arxiv_readerのブックマーク / 2022年7月26日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2022年7月26日のブックマーク (249件)

C3-SL：通信効率の高い分割学習のための巡回畳み込みベースのバッチワイズ圧縮
arxiv_reader 2022/07/26
ほとんどの既存の研究は、送信された特徴を圧縮することによって分割学習（SL）の効率を改善します。ただし、ほとんどの作品は、高次元の特徴を低次元の空間に変換する次元ごとの圧縮に焦点を合わせています。この

simulation

learning

arXiv reaDer

compression

arXiv

convolutional
リンク
画像のルックアンドフィールを評価するための CLIP の探索
arxiv_reader 2022/07/26
視覚コンテンツの知覚を測定することは、コンピュータビジョンにおける長年の問題です。画像の見た目や品質を評価するために、多くの数学的モデルが開発されてきました。ノイズやぼやけレベルなどの劣化を定量化する

contrastive

benchmark

pre-training

zero-shot

arXiv reaDer

arXiv

human

dataset

computer vision
リンク
点群蓄積による動的3Dシーン分析
arxiv_reader 2022/07/26
自動運転車や移動ロボットで使用されるマルチビームLiDARセンサーは、3D範囲スキャン（「フレーム」）のシーケンスを取得します。角度スキャンの解像度とオクルージョンが制限されているため、各フレームはシ

semantic segmentation

point cloud

benchmark

reconstruction

LiDAR

3D

arXiv reaDer

arXiv

dataset

representation
リンク
CelebV-HQ：大規模なビデオ顔属性データセット
arxiv_reader 2022/07/26
大規模なデータセットは、顔の生成/編集の最近の成功に不可欠な役割を果たしており、新しい研究分野の進歩を大幅に促進しています。ただし、学術コミュニティには、顔に関連するビデオの研究に不可欠な、さまざまな

emotion

face

video

arXiv reaDer

arXiv

action

pose

dataset
リンク
ドメインの一般化のための自己蒸留ビジョン変換器
arxiv_reader 2022/07/26
最近、いくつかのドメイン一般化（DG）手法が提案され、有望なパフォーマンスを示していますが、それらのほとんどすべてが畳み込みニューラルネットワーク（CNN）に基づいています。多くの場合iidの仮定に基

benchmark

OOD

pre-training

CNN

learning

arXiv reaDer

arXiv

domain

transformer

dataset
リンク
SegPGD：セグメンテーションの堅牢性を評価および強化するための効果的かつ効率的な敵対的攻撃
arxiv_reader 2022/07/26
ディープニューラルネットワークベースの画像分類は、敵対的な摂動に対して脆弱です。画像の分類は、入力画像に人工的な小さくて知覚できない摂動を追加することで簡単にだまされる可能性があります。最も効果的な防

semantic segmentation

adversarial

classification

arXiv reaDer

arXiv

attention

dataset
リンク
https://arxiv-check-250201.firebaseapp.com/each/2207.12389v2
arxiv_reader 2022/07/26
豊富なカテゴリを持つ実用的な実世界のデータセットは、ドメインの不変性だけに依存する既存のアプローチでは十分に処理できない、小さなクラス間の識別可能性など、教師なしドメイン適応の新しい課題をもたらします

augmentation

contrastive

unsupervised

arXiv reaDer

arXiv

domain adaptation

dataset
リンク
パーティクルビデオの再検討：ポイント軌道を使用したオクルージョンによる追跡
arxiv_reader 2022/07/26
ビデオ内のピクセルの追跡は、通常、オプティカルフロー推定の問題として研究されます。この問題では、すべてのピクセルが、次のフレームに配置される変位ベクトルで記述されます。より広い時間的コンテキストが自由

benchmark

video

tracking

estimation

keypoint

arXiv reaDer

occlusion

arXiv

optical flow

trajectory
リンク
LightX3ECG：3誘導心電図分類のための軽量で説明可能な深層学習システム
arxiv_reader 2022/07/26
心血管疾患（CVD）は、人間の健康にとって最も深刻な危険の1つである心臓と血管の障害のグループであり、そのような患者の数はまだ増え続けています。早期かつ正確な検出は、治療と介入を成功させる上で重要な役

detection

learning

classification

arXiv reaDer

arXiv

human

explainable
リンク
シャーロックホームズの誘拐：視覚的誘拐推論のためのデータセット
arxiv_reader 2022/07/26
人間は、画像の文字通りの内容を超えて何が存在するかについて、誘拐的に推論し、仮説を立てる驚くべき能力を持っています。シーン全体に散らばっている具体的な視覚的手がかりを特定することで、私たちの日常の経験

dataset

reasoning

arXiv reaDer

arXiv

human

action

localization

saliency
リンク
物理概念の学習可能性について: ニューラルネットワークは何が現実かを理解できるか?
arxiv_reader 2022/07/26
現実的な合成データを生成する深部神経ネットワークの驚くべき能力に照らして、古典的な信号から記号への障壁を再検討します。 DeepFakesとなりすましは、デジタルコンピュータによって学習されたものであ

synthesis

gradient

learning

deepfake

arXiv reaDer

arXiv

dataset

representation
リンク
イベントニューラルネットワーク
arxiv_reader 2022/07/26
ビデオデータはしばしば繰り返されます。たとえば、隣接するフレームの内容は通常、強く相関しています。このような冗長性は、低レベルのピクセル値からテクスチャや高レベルのセマンティクスまで、複雑さの複数のレ

video

detection

arXiv reaDer

arXiv

pose

optical flow
リンク
把握を簡素化するための高品質の触覚センサーの活用
arxiv_reader 2022/07/26
ロボットは、形状、重量、材料の種類が異なるさまざまな物体をつかむことが期待されています。したがって、人間と同様の触覚機能をロボットに提供することは、人間とロボット、またはロボットとロボットの相互作用を

arXiv

robot

arXiv reaDer
リンク
限られたトレーニング科目でアンダーサンプリングされたラジアルMRI再構成のための投影ベースのK空間トランスフォーマーネットワーク
arxiv_reader 2022/07/26
圧縮センシングと組み合わせた深層学習の最近の開発により、アンダーサンプリングされたMR画像の高速再構成が可能になり、デカルトk空間軌道の最先端のパフォーマンスが達成されました。ただし、動径軌跡などの非

augmentation

reconstruction

learning

arXiv reaDer

arXiv

transformer

MRI

trajectory
リンク
周波数領域ベースの機能の解きほぐしと相互作用による領域の一般化
arxiv_reader 2022/07/26
分布外データへの適応は、iidの仮定に強く依存するすべての統計的学習アルゴリズムにとってのメタチャレンジです。それは、現実的なアプリケーションで避けられない人件費と信頼の危機につながります。そのために

augmentation

benchmark

OOD

learning

arXiv reaDer

disentangling

arXiv

domain

adaptation
リンク
Wasserstein条件付き生成的敵対的ニューラルネットワークの安定した並列トレーニング
arxiv_reader 2022/07/26
固定された計算予算の制約の下でWasserstein条件付き生成的敵対的ニューラルネットワーク（W-CGAN）をトレーニングするための安定した並列アプローチを提案します。以前の分散GANトレーニング手

benchmark

adversarial

GAN

arXiv reaDer

arXiv

metric

dataset

generative

convolutional
リンク
Spelkeオブジェクト推論による実世界画像の教師なしセグメンテーション
arxiv_reader 2022/07/26
実世界の画像の自己監視されたカテゴリにとらわれないセグメンテーションは、コンピュータビジョンにおける挑戦的な開かれた問題です。ここでは、Spelke Objectの認知科学の概念（一緒に動く一連の物理

self-supervised

affinity

synthesis

unsupervised

arXiv reaDer

arXiv

segmentation

dataset

computer vision
リンク
EstimacióndeáreasdecultivomedianteDeepLearningyprogramaciónconvencional
arxiv_reader 2022/07/26
人工知能は、さまざまな分野の問題に対するより正確で効率的なソリューションの実装を可能にしました。農業部門では、生産と収益性を改善するために、主なニーズの1つは、作物が占める土地の範囲を常に知ることです

person

adversarial

CNN

GAN

detection

learning

arXiv reaDer

arXiv

dataset

generative
リンク
ビデオフレーム補間のためのエラー認識空間アンサンブル
arxiv_reader 2022/07/26
ビデオフレーム補間〜（VFI）アルゴリズムは、データ駆動型アルゴリズムとその実装の両方で前例のない進歩があったため、近年大幅に改善されています。最近の研究では、困難なVFIシナリオに対処する手段として

benchmark

video

loss function

estimation

arXiv reaDer

arXiv

metric

segmentation

optical flow
リンク
ラベル効率の高い半教師ありアクティブラーニングのためのラベルなしデータの多様性の活用
arxiv_reader 2022/07/26
大規模なラベル付きデータセットの可用性は、ディープラーニングを成功させるための重要な要素です。ただし、大規模なデータセットのラベルに注釈を付けることは、一般的に時間と費用がかかります。アクティブラーニ

self-supervised

embedding

semi-supervised

representation learning

arXiv reaDer

arXiv

dataset
リンク
ケージによる放射輝度フィールドの変形
arxiv_reader 2022/07/26
放射輝度フィールドの最近の進歩により、静的または動的な3Dシーンのフォトリアリスティックなレンダリングが可能になりますが、シーンの操作やアニメーションに使用される明示的な変形はサポートされていません。

synthesis

mesh

3D

arXiv reaDer

arXiv

dataset
リンク
TreeSketchNet: スケッチから 3D ツリーパラメータの生成まで
arxiv_reader 2022/07/26
様式化されたスケッチからの非線形オブジェクトの3Dモデリングは、コンピューターグラフィックスの専門家にとっても課題です。定型化されたスケッチからのオブジェクトパラメータの外挿は、非常に複雑で面倒な作業

synthesis

3D

arXiv reaDer

arXiv

DNN

dataset

convolutional
リンク
ArtFID：ニューラルスタイル転送の定量的評価
arxiv_reader 2022/07/26
ニューラルスタイル転送の分野では、最適化ベースのアプローチやフィードフォワードモデルからメタ学習手法に至るまで、さまざまな方法を模索する研究が急増しています。開発された技術は、スタイル転送の分野を進歩

synthesis

arXiv reaDer

arXiv

human

metric

computer vision
リンク
健康とは何ですか？病変の局在化のための生成的反事実拡散
arxiv_reader 2022/07/26
医療画像のセグメンテーションで高密度に注釈が付けられたマスクの要件を減らすことは、コストの制約のために重要です。この論文では、トレーニングに画像レベルのラベルのみを使用して、脳病変のピクセルレベルの予

arXiv reaDer

arXiv

domain

attention

segmentation

localization

generative
リンク
不十分なデータから学習するための同変量と不変量の誘導バイアス
arxiv_reader 2022/07/26
外部で事前にトレーニングされたチェックポイントを必要とせずに、不十分なデータから堅牢なモデルを学習することに関心があります。まず、十分なデータと比較して、データが不十分なために、通常はテストとは異なる

self-supervised

benchmark

pre-training

bias

learning

arXiv reaDer

arXiv
リンク
肺結節診断のための自明のモデルにおける注釈の必要性の削減
arxiv_reader 2022/07/26
機能ベースの自明の方法は、人間が理解できる機能の観点からそれらの分類を説明します。医用画像コミュニティでは、この臨床知識のセマンティックマッチングにより、AIの信頼性が大幅に向上します。ただし、機能の

clustering

self-supervised

classification

arXiv reaDer

arXiv

contrastive learning
リンク
DeepFusion：単一ビューの深さと勾配予測を使用した単眼SLAMのリアルタイム高密度3D再構成
arxiv_reader 2022/07/26
スパース単眼同時位置特定およびマッピング（SLAM）システムによって作成されたキーポイントベースのマップはカメラの追跡に役立ちますが、多くのロボットタスクでは高密度の3D再構成が必要になる場合がありま

monocular

sparse

real time

tracking

reconstruction

SLAM

CNN

3D

arXiv reaDer

arXiv
リンク
OCTAve：局所性増強を伴う弱く監視された学習における2D正面光コヒーレンストモグラフィー血管造影血管セグメンテーション
arxiv_reader 2022/07/26
2D正面OCTAから血管構造を抽出するための深層学習技術を使用する研究が増えていますが、そのようなアプローチでは、網膜血管系のような曲線構造のデータ注釈プロセスは非常にコストと時間がかかることが知られ

augmentation

self-supervised

adversarial

dataset

arXiv reaDer

arXiv

segmentation

localization

weakly-supervised
リンク
データセット全体での敵対的攻撃
arxiv_reader 2022/07/26
既存の転送攻撃方法は、通常、攻撃者がブラックボックス被害者モデルのトレーニングセット（ラベルセット、入力サイズなど）を知っていることを前提としていますが、攻撃者がこの情報を知らない場合があるため、通常

adversarial

classification

arXiv reaDer

arXiv

DNN

dataset
リンク
寒冷時のロバストな3Dオブジェクト検出
arxiv_reader 2022/07/26
悪天候は、LiDARベースのオブジェクト検出器に悪影響を与える可能性があります。この作業では、寒冷時の車両の排気ガス凝縮の現象に焦点を当てます。この日常的な影響は、オブジェクトのサイズや向きの推定に影

augmentation

point cloud

reconstruction

estimation

detection

3D

arXiv reaDer

arXiv

dataset

vehicle
リンク
1枚の写真からのニューラルシーンの装飾
arxiv_reader 2022/07/26
屋内シーンの提供とレンダリングは、アーティストが空間の概念設計を作成し、空間の3Dモデルを構築し、装飾してからレンダリングを実行するインテリアデザインの長年の作業でした。この作業は重要ですが、面倒で多

synthesis

arXiv

3D

arXiv reaDer
リンク
YOLOv7とDeepSORTに基づくビデオオブジェクトトラッキング
arxiv_reader 2022/07/26
マルチオブジェクトトラッキング（MOT）は、コンピュータービジョンの分野で重要なテクノロジーであり、自動運転、インテリジェントモニタリング、行動認識などの方向で広く使用されています。ディープラーニング

video

detection

learning

arXiv reaDer

arXiv

MOT

computer vision
リンク
EiX-GNN：グラフニューラルネットワークの概念レベルの固有中心性の説明
arxiv_reader 2022/07/26
説明は、説明者と説明者の間の現象に関する人間の知識移転プロセスです。この現象を説明するために使用される各単語は、現象の説明者から高い理解を得るために、現在の説明者の現象関連の知識レベルおよび現象自体に

arXiv reaDer

arXiv

domain

human

explainable

metric

GNN
リンク
SoCFPGAに実装されたUAV自律着陸アルゴリズムのハードウェアインザループシミュレーション
arxiv_reader 2022/07/26
このホワイトペーパーでは、異種SoC FPGAコンピューティングプラットフォームに実装された無人航空機（UAV）制御アルゴリズムのハードウェアインザループ（HiL）シミュレーションのシステムを紹介しま

video

simulation

real time

detection

arXiv reaDer

arXiv

python

UAV
リンク
位置エネルギーランキングとのドメイン無相関
arxiv_reader 2022/07/26
機械学習システム、特に深層学習に基づく方法は、実験的な設定の下で最新のコンピュータービジョンタスクで大きな成功を収めています。一般に、これらの古典的な深層学習方法は、トレーニングデータとテストデータが

benchmark

learning

arXiv reaDer

arXiv

domain

computer vision

representation
リンク
マルチスケールRAFT：学習ベースのオプティカルフロー推定のための階層的概念の組み合わせ
arxiv_reader 2022/07/26
多くの古典的で学習ベースのオプティカルフロー手法は、精度と堅牢性の両方を向上させるために階層的な概念に依存しています。ただし、現在最も成功しているアプローチの1つであるRAFTは、このような概念をほと

estimation

arXiv

optical flow

arXiv reaDer
リンク
トランスフォーマーを使用したディープ腹腔鏡ステレオマッチング
arxiv_reader 2022/07/26
変圧器構造でうまく採用された自己注意メカニズムは、画像認識や物体検出を含む多くのコンピュータービジョンタスクで有望であることが示されています。急増にもかかわらず、ステレオマッチングの問題のための変圧器

video

CNN

detection

representation learning

arXiv reaDer

arXiv

transformer

dataset

computer vision

stereo
リンク
教師なしドメイン適応のためのクラス内類似性による疑似ラベルの改善
arxiv_reader 2022/07/26
教師なしドメイン適応（UDA）は、ラベルが豊富なソースドメインから、異なるが関連する完全にラベル付けされていないターゲットドメインに知識を転送します。ドメインシフトの問題に対処するために、ますます多く

arXiv

domain adaptation

unsupervised

arXiv reaDer
リンク
移動ロボットでの2Dと3DLiDARベースの人物検出
arxiv_reader 2022/07/26
人の検出は、人が住む環境をナビゲートする移動ロボットにとって重要なタスクです。 LiDARセンサーは、正確な深度測定と広い視野のおかげで、このタスクに有望です。 LiDARセンサーには2つのタイプがあ

person

robot

LiDAR

detection

3D

arXiv reaDer

dataset

arXiv

localization
リンク
弱く監視されたオブジェクト検出のためのアクティブラーニング戦略
arxiv_reader 2022/07/26
弱い注釈でトレーニングされたオブジェクト検出器は、完全に監視された対応物の手頃な代替手段です。ただし、それらの間には依然として大きなパフォーマンスのギャップがあります。新しいアクティブラーニングである

benchmark

R-CNN

pre-training

detection

learning

arXiv reaDer

arXiv

weakly-supervised
リンク
ブラックボックス数ショットの知識蒸留
arxiv_reader 2022/07/26
知識蒸留（KD）は、大規模な「教師」ネットワークから小規模な「学生」ネットワークに知識を転送するための効率的なアプローチです。従来のKD手法では、優秀な生徒をトレーニングするために、多くのラベル付きト

OOD

synthesis

classification

zero-shot

arXiv reaDer

arXiv

few-shot

knowledge distillation
リンク
W2N：オブジェクト検出のための弱い監視からノイズの多い監視への切り替え
arxiv_reader 2022/07/26
弱く監視されたオブジェクト検出（WSOD）は、画像レベルの注釈のみを必要とするオブジェクト検出器をトレーニングすることを目的としています。最近、いくつかの作業では、十分にトレーニングされたWSODネッ

transfer learning

benchmark

regularization

detection

semi-supervised

arXiv reaDer

adaptation

arXiv

localization

weakly-supervised
リンク
文化遺産での視覚的な質問応答に必要なのはGPT-3だけですか？
arxiv_reader 2022/07/26
文化遺産ドメインでのディープラーニングとコンピュータービジョンの使用は、オーディオスマートガイド、インタラクティブミュージアム、拡張現実に関する多くのアプリケーションで、ここ数年で非常に関連性が高くな

augmentation

learning

arXiv reaDer

arXiv

domain

metric

captioning

computer vision
リンク
IGFormer：スケルトンベースの人間の相互作用認識のための相互作用グラフトランスフォーマー
arxiv_reader 2022/07/26
人間の相互作用の認識は、多くのアプリケーションで非常に重要です。相互作用を認識する際の重要な手がかりの1つは、インタラクティブな身体部分です。この作業では、インタラクティブな身体部分をグラフとしてモデ

person

benchmark

learning

arXiv reaDer

action recognition

arXiv

human

transformer

dataset

representation
リンク
半教師ありビデオオブジェクトのセグメンテーション問題を循環的な観点から調査する
arxiv_reader 2022/07/26
最新のビデオオブジェクトセグメンテーション（VOS）アルゴリズムは、順次処理順序で非常に高いパフォーマンスを実現していますが、現在普及しているパイプラインのほとんどは、累積エラー、不明な堅牢性、適切な

benchmark

video

gradient

semi-supervised

arXiv reaDer

arXiv

segmentation

representation

interpretation
リンク
意図条件付き長期人間自己中心行動予測
arxiv_reader 2022/07/26
人間が将来どのように行動するかを予測するには、人間を特定の目標に導くため、人間の意図を理解することが不可欠です。本論文では、人間の行動のシーケンス（低レベル）が人間の意図（高レベル）から駆動できること

video

arXiv reaDer

action

arXiv

human

multi-task
リンク
自己教師あり学習における動的チャネル選択
arxiv_reader 2022/07/26
自己監視アプローチを使用して構築されたコンピュータビジョンモデルは現在では一般的ですが、いくつかの重要な質問が残っています。自己教師ありモデルは、冗長性の高いチャネル機能を学習しますか？自己監視型ネッ

self-supervised

pre-training

learning

classification

arXiv reaDer

arXiv

dataset

computer vision
リンク
継続学習における高度な零空間による安定性と可塑性のバランス
arxiv_reader 2022/07/26
継続学習は、リソースの制約とともにタスクを順次学習する学習パラダイムであり、主要な課題は安定性と可塑性のジレンマです。つまり、古いタスクの壊滅的な忘れを防ぐための安定性と、新しいタスクをうまく学習する

gradient

learning

arXiv reaDer

distillation

arXiv

approximation
リンク
REPNP：堅牢な画像復元のための事前の深い強化学習によるプラグアンドプレイ
arxiv_reader 2022/07/26
事前にトレーニングされたディープモデルに基づく画像復元スキームは、さまざまな逆問題を解決するための独自の柔軟性により、大きな注目を集めています。特に、プラグアンドプレイ（PnP）フレームワークは、さま

reinforcement learning

pre-training

arXiv reaDer

arXiv

attention
リンク
エンドツーエンドのアクティブスピーカー検出
arxiv_reader 2022/07/26
アクティブスピーカー検出（ASD）問題の最近の進歩は、特徴抽出と時空間コンテキスト集約という2段階のプロセスに基づいています。この論文では、特徴学習と文脈予測を共同で学習するエンドツーエンドのASDワ

contrastive

embedding

detection

learning

arXiv reaDer

arXiv

representation

weakly-supervised

spatio-temporal
リンク
Bag-of-Visual-Words表現を使用した知識蒸留による少数のショットオブジェクトの検出
arxiv_reader 2022/07/26
数ショットのオブジェクト検出のための微調整ベースの方法は目覚ましい進歩を遂げましたが、うまく対処されていない重要な課題は、基本クラスでの潜在的なクラス固有の過剰適合と新しいクラスでのサンプル固有の過剰

pre-training

detection

learning

arXiv reaDer

arXiv

few-shot

knowledge distillation

representation
リンク
高密度オブジェクト検出のためのAP損失の再検討：適応ランキングペア選択
arxiv_reader 2022/07/26
平均精度（AP）損失は、最近、高密度オブジェクト検出タスクで有望なパフォーマンスを示しています。ただし、ペアワイズランキングの観点からAP損失が検出器にどのように影響するかについての深い理解はまだ開発

clustering

detection

dataset

classification

arXiv reaDer

arXiv

localization
リンク
機能の絞り込みと反射デコードに基づく画像キャプション
arxiv_reader 2022/07/26
画像のキャプションは、自然言語で画像の説明を自動的に生成するプロセスです。画像のキャプションは、画像内の顕著なオブジェクトだけでなく、それらの属性や相互作用の方法も認識する必要があるため、画像を理解す

recurrent

learning

arXiv reaDer

arXiv

attention

captioning

saliency
リンク
歪みを最小化するためのリーマン幾何学アプローチとその応用
arxiv_reader 2022/07/26
アフィン変換Tが与えられると、そのフィッシャー歪みDist_F（T）を定義します。フィッシャー歪みがリーマン計量構造を持ち、平均歪み変換を見つけるためのアルゴリズムを提供することを示します。つまり、ア

arXiv

metric

arXiv reaDer
リンク
OOD-CV：自然画像における個々の妨害の分布外シフトに対するロバスト性のベンチマーク
arxiv_reader 2022/07/26
実際のシナリオでビジョンアルゴリズムの堅牢性を強化することは困難です。 1つの理由は、既存の堅牢性ベンチマークは、合成データに依存するか、個々の妨害要因の影響を無視するため、制限されていることです。

benchmark

OOD

detection

3D

arXiv reaDer

classification

arXiv

transformer

pose estimation

convolutional
リンク
マルチビューステレオを検索するマルチ戦略範囲を備えたコストボリュームピラミッドネットワーク
arxiv_reader 2022/07/26
マルチビューステレオは、挑戦を続けながら、コンピュータビジョンにおける重要な研究課題です。近年、深層学習ベースの方法は、このタスクで優れたパフォーマンスを示しています。深度マップを粗いものから細かいも

estimation

arXiv reaDer

arXiv

dataset

computer vision

stereo
リンク
ドメイン一般化のためのドメイン不変の機能探索
arxiv_reader 2022/07/26
ディープラーニングは、過去数年間で大きな成功を収めています。ただし、深層学習のパフォーマンスは、非IIDの状況に直面すると妨げられる可能性があります。ドメイン一般化（DG）を使用すると、モデルを目に見

benchmark

face

learning

arXiv reaDer

arXiv

domain

knowledge distillation

representation
リンク
歴史的文書画像データセットの調査
arxiv_reader 2022/07/26
この論文は、手書きの原稿や初期の版画などの歴史的文書に焦点を当てて、文書画像分析のための画像データセットの系統的文献レビューを提示します。歴史的文書分析に適切なデータセットを見つけることは、さまざまな

benchmark

learning

classification

arXiv reaDer

arXiv

domain

metric

dataset

computer vision

representation
リンク
リモートセンシング画像のパンシャープンのための文脈的注意を伴う深いデュアルストリーム残余ネットワーク
arxiv_reader 2022/07/26
パンシャープンは、高空間解像度のパンクロマティック画像の機能を使用して、高スペクトル解像度のマルチスペクトル画像の空間詳細を強化します。従来のパンシャープン手法は数多くありますが、高いスペクトルおよび

residual

reconstruction

learning

arXiv reaDer

arXiv

attention

metric

dataset

representation
リンク
点群での単一オブジェクト追跡のための3Dシャムトランスフォーマーネットワーク
arxiv_reader 2022/07/26
シャムネットワークベースのトラッカーは、テンプレートのポイントフィーチャと検索領域の間の相互相関学習として、3D単一オブジェクトトラッキングを定式化します。追跡中のテンプレートと検索領域の間の外観のば

augmentation

point cloud

tracking

learning

3D

arXiv reaDer

arXiv

attention

transformer

dataset
リンク
RA-Depth：解像度適応型自己教師あり単眼深度推定
arxiv_reader 2022/07/26
既存の自己監視単眼深度推定方法は、高価な注釈を取り除き、有望な結果を達成することができます。ただし、これらの方法では、固定解像度でトレーニングされたモデルを直接採用して他の異なる解像度で評価すると、パ

augmentation

self-supervised

monocular

estimation

learning

depth prediction

arXiv reaDer

adaptation

arXiv

dataset
リンク
拡張スケールワイズ機能融合ネットワークによる顕著な皮膚病変のセグメンテーション
arxiv_reader 2022/07/26
ダーモスコピー画像での皮膚病変の検出は、コンピューター化された装置による皮膚癌の正確で早期の診断に不可欠です。現在の皮膚病変セグメンテーションアプローチは、不明瞭な病変境界、病変と周囲領域との間の低い

saliency

detection

arXiv reaDer

arXiv

segmentation

convolutional
リンク
VQFR：ベクトル量子化辞書と並列デコーダーを使用したブラインドフェイスの復元
arxiv_reader 2022/07/26
生成的な顔の事前および幾何学的な事前は、最近、ブラインドフェイスの復元に対して高品質の結果を示していますが、入力に忠実なきめの細かい顔の詳細を生成することは、依然として困難な問題です。古典的な辞書ベー

quantization

face

arXiv reaDer

compression

arXiv

generative

convolutional
リンク
TransCL：Transformerは強力で柔軟な圧縮学習を実現します
arxiv_reader 2022/07/26
圧縮学習（CL）は、圧縮センシング（CS）を介した信号取得と、少数の測定で直接推論タスクを行う機械学習を統合する新しいフレームワークです。これは、従来の画像ドメイン手法の有望な代替手段となる可能性があ

semantic segmentation

learning

classification

arXiv reaDer

arXiv

transformer

dataset
リンク
ジグソーパズル-ViT：VisionTransformerでジグソーパズルを学ぶ
arxiv_reader 2022/07/26
さまざまなコンピュータービジョンタスクでのVisionTransformer（ViT）の成功により、この畳み込みのないネットワークの普及がますます進んでいます。 ViTが画像パッチで機能するという事実

self-supervised

embedding

adversarial

CNN

classification

representation learning

arXiv reaDer

arXiv

transformer

computer vision
リンク
あなたの隣人と共有する：クロスインスタンスの一貫性による単一ビューの再構築
arxiv_reader 2022/07/26
シングルビュー再構成のアプローチは、通常、視点の注釈、シルエット、背景がないこと、同じインスタンスの複数のビュー、テンプレートの形状、または対称性に依存します。異なるオブジェクトインスタンスの画像間の

benchmark

reconstruction

synthesis

learning

3D

arXiv reaDer

arXiv

pose

dataset
リンク
パフォーマンスを低下させないConvMixerモデルの暗号化方法
arxiv_reader 2022/07/26
本論文では、秘密鍵を用いたConvMixerモデルの暗号化手法を提案する。 DNNモデルの暗号化方法は、敵対的な防御、モデル保護、プライバシー保護の画像分類を実現するために研究されてきました。ただし、

embedding

adversarial

classification

arXiv reaDer

arXiv

DNN

dataset
リンク
グラフ畳み込みネットワークによるタイムスタンプ監視付きアクションセグメンテーション
arxiv_reader 2022/07/26
タイムスタンプ監視による時間的活動セグメンテーションのための新しいアプローチを紹介します。私たちの主な貢献はグラフ畳み込みネットワークです。これは、フレームの特徴と隣接するフレーム間の接続の両方を活用

sparse

learning

GCN

arXiv reaDer

arXiv

action

segmentation

activity

dataset
リンク
変形可能なアテンショントランスフォーマーを使用した参照ベースの画像超解像
arxiv_reader 2022/07/26
参照ベースの画像超解像（RefSR）は、補助参照（Ref）画像を活用して低解像度（LR）画像を超解像することを目的としています。最近、RefSRは、単一画像SRを超える代替方法を提供するため、大きな注

residual

benchmark

super-resolution

arXiv reaDer

arXiv

attention

transformer

dataset
リンク
最適なボックス：強化学習を介して注釈付きバウンディングボックスを調整することにより、エンドツーエンドのシーンテキスト認識を強化します
arxiv_reader 2022/07/26
テキストの検出と認識は、最新のOCRシステムの重要なコンポーネントです。ほとんどのOCRアプローチは、テキスト認識段階の入力として使用される検出段階で、テキストの正確なバウンディングボックスを取得しよ

benchmark

reinforcement learning

detection

arXiv reaDer

arXiv

domain adaptation

dataset

representation
リンク
VMNet：測地線対応の3Dセマンティックセグメンテーションのためのボクセルメッシュネットワーク
arxiv_reader 2022/07/26
近年、強力な3D CNNのおかげで、スパースボクセルベースの方法が屋内シーンの3Dセマンティックセグメンテーションの最先端になりました。それにもかかわらず、ボクセルベースの方法は、基礎となるジオメトリ

semantic segmentation

sparse

CNN

mesh

3D

arXiv reaDer

arXiv

domain

dataset

representation
リンク
大規模なメッカ巡礼群集における時空間リアルタイム異常行動の検出、追跡、および認識のためのハイブリッド分類器
arxiv_reader 2022/07/26
個々の異常な行動は、群衆のサイズ、コンテキスト、およびシーンによって異なります。部分的な閉塞、ぼやけ、多数の異常な行動、カメラの表示などの課題は、異常な行動をしている個人を検出、追跡、および認識すると

YOLO

real time

tracking

CNN

detection

classification

arXiv reaDer

arXiv

optical flow

spatio-temporal
リンク
ダイナミック音源のアクティブオーディオビジュアルセパレーション
arxiv_reader 2022/07/26
動的音源のアクティブなオーディオとビジュアルの分離を検討します。ここでは、具体化されたエージェントが3D環境でインテリジェントに移動し、対象のオブジェクトから放出される時変オーディオストリームを継続的

reinforcement learning

3D

arXiv reaDer

arXiv

transformer
リンク
新しい相関ベースのクラスター妥当性インデックスを使用したクラスタリングパフォーマンス分析
arxiv_reader 2022/07/26
クラスタリング結果の評価に使用されるさまざまなクラスター妥当性指標があります。これらのインデックスを使用する主な目的の1つは、クラスターの最適な未知数を探すことです。一部のインデックスは、密度、サイズ

arXiv

clustering

arXiv reaDer
リンク
Patchwork ++：3Dポイントクラウドを使用して部分的なアンダーセグメンテーションを解決する高速で堅牢な地上セグメンテーション
arxiv_reader 2022/07/26
3D LiDARセンサーを使用した3D知覚の分野では、地面のセグメンテーションは、通過可能な領域の検出やオブジェクトの認識など、さまざまな目的に不可欠なタスクです。これらの状況下で、いくつかの地上セグ

point cloud

estimation

detection

LiDAR

3D

arXiv reaDer

arXiv

segmentation

dataset
リンク
NYU-VPR：視線方向とデータ匿名化の影響を伴う長期的な視覚的場所認識ベンチマーク
arxiv_reader 2022/07/26
視覚的場所認識（VPR）は、自動運転車の位置特定とマッピングだけでなく、視覚障害者の支援ナビゲーションにおいても重要です。大規模な長期VPRシステムを実現するには、いくつかの課題に対処する必要がありま

benchmark

pedestrian

dataset

arXiv reaDer

autonomous driving

arXiv

localization

vehicle
リンク
この画像は世界のどこにありますか？野生の変圧器ベースの地理的位置特定
arxiv_reader 2022/07/26
世界中のどこかで撮影された単一の地上レベルのRGB画像から地理的位置（地理的位置特定）を予測することは、非常に困難な問題です。課題には、さまざまな環境シナリオによる画像の多様性、時間帯、天気、季節によ

semantic segmentation

benchmark

landmark

arXiv reaDer

arXiv

transformer

dataset

multi-task

representation
リンク
NeuMesh：ジオメトリとテクスチャ編集のための解きほぐされたニューラルメッシュベースの暗黙的なフィールドの学習
arxiv_reader 2022/07/26
ごく最近、ニューラル暗黙レンダリング技術が急速に進化し、新しいビュー合成と3Dシーン再構築において大きな利点が示されました。ただし、編集を目的とした既存のニューラルレンダリング方法では、機能が制限され

reconstruction

synthesis

mesh

learning

3D

arXiv reaDer

distillation

arXiv

disentangling

representation
リンク
仮説は1回だけ：回転同変記述子を使用した点群登録
arxiv_reader 2022/07/26
この論文では、2つの整列されていない点群の登録のために、You Only Hypothesize Once（YOHO）と呼ばれる新しいローカル記述子ベースのフレームワークを提案します。回転不変性を取得

point cloud

learning

arXiv reaDer

arXiv

dataset
リンク
BungeeNeRF：極端なマルチスケールシーンレンダリングのためのプログレッシブニューラルラディアンスフィールド
arxiv_reader 2022/07/26
神経放射輝度フィールド（NeRF）は、通常は単一のスケールで、3Dオブジェクトと制御されたシーンのモデリングで卓越したパフォーマンスを実現しました。この作業では、画像の大きな変化が大幅に異なるスケール

synthesis

bias

satellite

3D

arXiv reaDer

arXiv

pose

drone
リンク
PixelFolder：画像生成のための効率的なプログレッシブピクセル合成ネットワーク
arxiv_reader 2022/07/26
ピクセル合成は、画像生成のための有望な研究パラダイムであり、ピクセルごとの事前知識を十分に活用して生成できます。ただし、既存のメソッドは依然として過剰なメモリフットプリントと計算オーバーヘッドに悩まさ

benchmark

synthesis

arXiv reaDer

arXiv

dataset
リンク
PressureVision：単一のRGB画像から手の圧力を推定する
arxiv_reader 2022/07/26
人々はしばしば手で圧力をかけることによって周囲と相互作用します。手と環境の間に圧力センサーを配置することで手の圧力を測定できますが、そうすると、接触力学が変化し、人間の触覚が妨げられ、高価なセンサーが

video

arXiv reaDer

arXiv

human

pose
リンク
IconQA：抽象図の理解と視覚言語の推論のための新しいベンチマーク
arxiv_reader 2022/07/26
現在の視覚的質問応答（VQA）タスクは、主に自然画像の人間による注釈付きの質問への回答を検討しています。しかし、自然なイメージは別として、意味論的豊かさを備えた抽象的な図は、視覚的理解と推論の研究にお

benchmark

pre-training

embedding

reasoning

arXiv reaDer

arXiv

transformer

dataset

VQA

representation
リンク
ドメイン適応者検索
arxiv_reader 2022/07/26
個人検索は、共同歩行者検出と個人再識別（ReID）を実現することを目的とした挑戦的なタスクです。以前の作品は、完全にそして弱く監督された設定の下で重要な進歩を遂げました。ただし、既存の方法では、人物検

clustering

detection

re-id

unsupervised

arXiv reaDer

pedestrian

arXiv

domain

dataset

weakly-supervised
リンク
顔クラスタリングのためのハードクラスターの軽減について
arxiv_reader 2022/07/26
顔クラスタリングは、大規模なラベルのない顔画像を使用して顔認識システムをスケールアップするための有望な方法です。クラスターの不均一性、つまりサイズとスパース性の大きな変動によって引き起こされる、ハード

clustering

benchmark

sparse

arXiv reaDer

arXiv

face recognition
リンク
ショット認識の最悪のケース
arxiv_reader 2022/07/26
少数ショット認識は、カテゴリごとに非常に少ない（たとえば、1または5）画像で認識モデルを学習します。現在の少数ショット学習方法は、多くのエピソードの平均精度の向上に重点を置いています。実際のアプリケー

benchmark

regularization

bias

learning

arXiv reaDer

arXiv

few-shot

dataset
リンク
HM：少数ショットセグメンテーションのためのハイブリッドマスキング
arxiv_reader 2022/07/26
ターゲットクラスのいくつかの注釈付きサポート画像が提供されたときに、クエリ画像からターゲットオブジェクトをセグメント化することを目的とした数ショットのセマンティックセグメンテーションを研究します。最近

semantic segmentation

benchmark

arXiv reaDer

arXiv

few-shot
リンク
ライトフィールドイメージングのための単一画像超解像モデルにおけるサブアパーチャ機能の適応
arxiv_reader 2022/07/26
市販のライトフィールド（LF）カメラが利用できるようになったため、LFイメージングは計算写真の新進気鋭のテクノロジーとして登場しました。ただし、空間分解能は、空間情報と角度情報の固有の多重化のために、

super-resolution

arXiv reaDer

adaptation

arXiv

domain

dataset
リンク
点群の顕著な物体検出
arxiv_reader 2022/07/26
この論文は、未踏のタスクポイントクラウド顕著なオブジェクト検出（SOD）を研究します。画像のSODとは異なり、点群の注意のシフトが顕著性の競合を引き起こす可能性があることがわかります。つまり、オブジェ

point cloud

benchmark

detection

3D

arXiv reaDer

arXiv

attention

segmentation

saliency
リンク
新生児集中治療室における深層学習ベースの非接触生理学的モニタリング
arxiv_reader 2022/07/26
新生児集中治療室（NICU）の早産児は、心臓の健康状態を継続的に監視する必要があります。従来のモニタリングアプローチは接触ベースであり、新生児はさまざまな院内感染を起こしやすくなっています。ビデオベー

video

estimation

learning

arXiv reaDer

arXiv
リンク
Lidarポイントクラウドガイド付き単眼3Dオブジェクト検出
arxiv_reader 2022/07/26
単眼の3Dオブジェクト検出は、自動運転およびコンピュータービジョンのコミュニティでは困難な作業です。一般的な方法として、これまでのほとんどの作業では、手動で注釈を付けた3Dボックスラベルを使用していま

point cloud

benchmark

monocular

detection

LiDAR

3D

arXiv reaDer

arXiv

computer vision
リンク
OCTA画像超解像再構成のためのスパースベースのドメイン適応ネットワーク
arxiv_reader 2022/07/26
高解像度の網膜光コヒーレンストモグラフィー血管造影（OCTA）は、網膜血管系の定量化と分析にとって重要です。ただし、OCTA画像の解像度は、同じサンプリング周波数での視野に反比例します。これは、臨床医

sparse

super-resolution

reconstruction

synthesis

arXiv reaDer

arXiv

domain adaptation

representation
リンク
識別可能な仮想面の生成について
arxiv_reader 2022/07/26
生成モデルによる顔の匿名化は、仮想の顔画像を生成して個人情報をサニタイズし、プライバシーと画像の有用性の両方を確保するため、ますます普及しています。このような仮想顔画像は、通常、元のIDを削除または保

learning

arXiv reaDer

arXiv

face recognition

dataset

multi-task

generative
リンク
ABAW4チャレンジにおけるマルチタスク学習フレームワークに基づく感情認識
arxiv_reader 2022/07/26
このペーパーでは、第4回感情行動分析インザワイルド（ABAW）コンペティションのマルチタスク学習（MTL）チャレンジへの提出を紹介します。視覚的特徴の表現に基づいて、トランスフォーマーベースのエンコー

LSTM

emotion

video

learning

arXiv reaDer

arXiv

transformer

dataset

multi-task

representation
リンク
高周波成分の再検討によるビジョントランスフォーマーの改善
arxiv_reader 2022/07/26
トランスモデルは、さまざまなビジョンタスクを処理する上で有望な効果を示しています。ただし、畳み込みニューラルネットワーク（CNN）モデルのトレーニングと比較すると、Vision Transformer

OOD

adversarial

CNN

arXiv reaDer

arXiv

transformer
リンク
nLMVS-Net：ディープ非ランバートマルチビューステレオ
arxiv_reader 2022/07/26
既知であるが自然な照明の下でキャプチャされたテクスチャのない複雑な非ランバート表面の反射率とともに、ピクセルごとの深度だけでなく表面法線も同時に回復できる新しいマルチビューステレオ（MVS）メソッドを

reconstruction

synthesis

arXiv reaDer

arXiv

dataset

stereo
リンク
視覚的感情分布学習における主観性の追求
arxiv_reader 2022/07/26
さまざまな視覚刺激に対する人々の感情を予測することを目的とした視覚感情分析（VEA）は、最近魅力的な研究トピックになっています。単一のラベル分類タスクではなく、さまざまな個人から投票することにより、V

emotion

learning

classification

arXiv reaDer

arXiv

dataset
リンク
離散推論による複雑な文書理解に向けて
arxiv_reader 2022/07/26
Document Visual Question Answering（VQA）は、視覚的に豊富なドキュメントを理解して、自然言語で質問に回答することを目的としています。これは、自然言語処理とコンピュー

reasoning

arXiv reaDer

arXiv

dataset

computer vision

VQA
リンク
すべてのドメインの背後には変化があります: パノラマセマンティックセグメンテーションのための歪みを認識したビジョントランスフォーマーの適応
arxiv_reader 2022/07/26
このホワイトペーパーでは、パノラマセマンティックセグメンテーションについて説明します。これにより、周囲の全体像と高密度ピクセルの理解が全体的に提供されます。パノラマセグメンテーションは、次の2つの重要

semantic segmentation

benchmark

embedding

unsupervised

arXiv reaDer

arXiv

domain adaptation

transformer

dataset
リンク
作曲家：キーポイントのみのモダリティを持つビデオのグループ活動の構成的推論
arxiv_reader 2022/07/26
グループ活動認識は、アクターのグループによって集合的に実行されるアクティビティを検出します。これには、アクターとオブジェクトの構成的な推論が必要です。ビデオのマルチスケールセマンティックコンセプトを表

clustering

bias

keypoint

reasoning

arXiv reaDer

arXiv

transformer

activity

dataset

representation
リンク
言語の以前の問題を克服するための視覚的摂動を意識した共学習
arxiv_reader 2022/07/26
最近、いくつかの研究で、既存の視覚的質問応答（VQA）モデルは、画像の内容を無視しながら、質問の種類と回答の間の表面的な統計的相関関係をキャプチャすることを指す、言語の事前の問題に大きく苦しんでいるこ

benchmark

bias

learning

arXiv reaDer

arXiv

dataset

VQA

representation
リンク
可逆ニューラルネットワークでの二重潜在変数を使用した画像再スケーリングの強化
arxiv_reader 2022/07/26
正規化フローモデルは、自然画像の複雑な分布を、可逆ニューラルネットワーク（INN）を介して潜在空間内の単純な扱いやすい分布に近似することにより、生成画像の超解像（SR）に使用されています。これらのモデ

super-resolution

arXiv

generative

arXiv reaDer
リンク
建設現場の安全監視および掘削機の活動分析システム
arxiv_reader 2022/07/26
ディープラーニングとコンピュータービジョンの最近の進歩により、自律掘削機などのAIを利用した建設機械は大きな進歩を遂げました。安全性は、建設機械がますます自動化されている現代の建設において最も重要なセ

benchmark

YOLO

real time

detection

arXiv reaDer

action recognition

arXiv

pose

dataset

computer vision
リンク
ディープクラスターの詳細
arxiv_reader 2022/07/26
ディープラーニングは、画像や音声認識などのさまざまなドメインで、従来の機械学習アプローチに対して大幅な改善を示しています。ベンチマークデータセットでの彼らの成功は、実践者によって事前に訓練されたモデル

clustering

benchmark

unsupervised

semi-supervised

arXiv reaDer

arXiv

domain

dataset

representation

convolutional
リンク
SAVCHOI: 高密度のビデオキャプションと人間のオブジェクトインタラクションを使用した不審なアクティビティの検出
arxiv_reader 2022/07/26
監視ビデオで不審な活動を検出することは長年の問題であり、犯罪の検出がさらに困難になる可能性があります。著者らは、監視ビデオで行われている疑わしい活動を検出して要約するための新しいアプローチを提案してい

video

arXiv reaDer

arXiv

human

activity

dataset

captioning
リンク
モデル間の解釈可能性：事例研究としての自己監視モデル
arxiv_reader 2022/07/26
初期の機械学習モデル以来、精度や精度などの指標は、トレーニングされたモデルを評価および比較するための事実上の方法でした。ただし、単一のメトリック番号では、特にコンピュータービジョンの領域で、モデル間の

self-supervised

embedding

learning

arXiv reaDer

arXiv

domain

metric

dataset

computer vision
リンク
分割された時空間注意メカニズムを使用した自己中心性ビデオにおけるオブジェクト状態変化分類
arxiv_reader 2022/07/26
このレポートでは、Ego4D：Object State ChangeClassificationChallengeの「TarHeels」と呼ばれる提出物について説明します。トランスフォーマーベースのビ

video

classification

arXiv reaDer

arXiv

attention
リンク
VizWiz-FewShot：視覚障害者が撮影した画像内のオブジェクトの検索
arxiv_reader 2022/07/26
撮影した画像の視覚的コンテンツについて真剣に学ぼうとしている写真家から発信された数ショットのローカリゼーションデータセットを紹介します。これには、視覚障害を持つ人々が撮影した4,500を超える画像の1

detection

dataset

arXiv reaDer

arXiv

few-shot

segmentation

localization
リンク
階層的アトミックアクションを伴うきめの細かいビデオの弱く監視された時間的アクション検出
arxiv_reader 2022/07/26
実生活でのほとんどの人間の行動にはわずかな違いしかないため、行動の理解は細かい粒度の時代に進化しました。これらのきめ細かいアクションをラベル効率の高い方法で正確に検出するために、ビデオでの弱く監視され

clustering

self-supervised

detection

arXiv reaDer

arXiv

human

representation

action

dataset

weakly-supervised
リンク
EgoBody：ヘッドマウントデバイスからの相互作用する人々の人体の形状と動き
arxiv_reader 2022/07/26
自己中心的な視点から社会的相互作用を理解することは、支援ロボット工学からAR/VRに至るまでの多くのアプリケーションにとって重要です。相互作用について推論するための鍵は、自己中心的な視点から相互作用パ

benchmark

tracking

estimation

3D

arXiv reaDer

reasoning

arXiv

pose

RGB-D

dataset
リンク
クロスモーダル3D形状の生成と操作
arxiv_reader 2022/07/26
3Dオブジェクトの形状と色を作成および編集するには、多大な人間の努力と専門知識が必要です。 3Dインターフェイスでのダイレクトマニピュレーションと比較すると、スケッチや落書きなどの2Dインタラクション

reconstruction

3D

arXiv reaDer

arXiv

domain

representation

human

generative
リンク
PatchRD：パッチの取得と変形を学習することによる詳細な形状の完成の維持
arxiv_reader 2022/07/26
このホワイトペーパーでは、3D形状の欠落領域の幾何学的詳細を完成させることに焦点を当てたデータ駆動型の形状完成アプローチを紹介します。既存の生成方法には、複雑なジオメトリとトポロジを使用して、もっとも

learning

3D

arXiv reaDer

arXiv

representation

dataset

generative
リンク
自己監視異常の検出と位置特定のための自然合成異常
arxiv_reader 2022/07/26
通常のトレーニングデータのみを使用して異常の検出とローカリゼーションのためのエンドツーエンドモデルをトレーニングするための、シンプルで直感的な自己監視タスクであるNatural Synthetic A

self-supervised

synthesis

dataset

arXiv reaDer

anomaly detection

arXiv

localization
リンク
汚染耐性異常検出のための階層的半教師あり対照学習
arxiv_reader 2022/07/26
異常検出は、通常のデータ分布から逸脱したサンプルを識別することを目的としています。対照的な学習は、異常の効果的な識別を可能にする表現をサンプリングするための成功した方法を提供しました。ただし、半教師あ

semi-supervised

classification

arXiv reaDer

anomaly detection

arXiv

contrastive learning

representation
リンク
過去の貸借対照表データのデジタル化：実務者ガイド
arxiv_reader 2022/07/26
このホワイトペーパーでは、前処理と後処理の方法で光学式文字認識（OCR）エンジンを強化することにより、大規模な履歴マイクロデータを正常にデジタル化する方法について説明します。 OCRソフトウェアは、機

learning

arXiv reaDer

arXiv

python

dataset
リンク
注釈なしのレイアウト認識のための合成ドキュメントジェネレータ
arxiv_reader 2022/07/26
ドキュメントのレイアウトを分析してヘッダー、セクション、表、図などを特定することは、その内容を理解するために重要です。ドキュメント画像のレイアウト構造を検出するためのディープラーニングベースのアプロー

Bayesian

synthesis

detection

learning

arXiv reaDer

arXiv

generative
リンク
限られたトレーニングデータでの画像分類のためのスライスされたワッサースタイン空間での不変符号化
arxiv_reader 2022/07/26
ディープ畳み込みニューラルネットワーク（CNN）は、最先端の汎用エンドツーエンド画像分類システムであると広く考えられています。ただし、トレーニングデータが限られている場合はパフォーマンスが低下すること

augmentation

CNN

learning

classification

arXiv reaDer

arXiv

python
リンク
畳み込みオートエンコーダを使用した画像のノイズ除去
arxiv_reader 2022/07/26
現代世界の容赦ないデジタル化により、テクノロジー分野のすべてのサブセットは絶えず大きな進歩を遂げています。そのようなサブセットの1つは、これまで非常に人気のあるデジタル画像です。画像は、必ずしも視覚的

denoising

arXiv

convolutional

arXiv reaDer
リンク
少数ショットのトーキングヘッド合成のための動的顔面放射フィールドの学習
arxiv_reader 2022/07/26
トーキングヘッドシンセシスは、映画の吹き替え、仮想アバター、オンライン教育に幅広い用途を持つ新しいテクノロジーです。最近のNeRFベースの方法は、顔の3D構造情報をより適切にキャプチャするため、より自

person

face

video

synthesis

3D

arXiv reaDer

arXiv

few-shot

differentiable

dataset
リンク
ROCA：単一の画像からの堅牢なCADモデルの取得と位置合わせ
arxiv_reader 2022/07/26
ROCAは、形状データベースから3D CADモデルを取得して単一の入力画像に位置合わせする、新しいエンドツーエンドのアプローチです。これにより、2D RGB観測からの観測シーンの3D認識が可能になり、

3D

arXiv reaDer

arXiv

differentiable

representation
リンク
マルチモーダル画像の合成と編集：調査
arxiv_reader 2022/07/26
情報は実世界のさまざまなモダリティに存在するため、マルチモーダル情報間の効果的な相互作用と融合は、コンピュータビジョンと深層学習の研究におけるマルチモーダルデータの作成と認識に重要な役割を果たします。

benchmark

synthesis

GAN

learning

arXiv reaDer

arXiv

metric

dataset

computer vision
リンク
TextAdaIN：テキスト認識機能のショートカット学習に注意を払う
arxiv_reader 2022/07/26
畳み込み層の特性を利用して、ニューラルネットワークはパターン認識タスクに非常に効果的です。ただし、場合によっては、意図しない情報に基づいて決定が行われるため、標準ベンチマークで高いパフォーマンスが得ら

benchmark

learning

arXiv reaDer

arXiv

domain

attention

convolutional
リンク
分散エッジでの生涯個人再識別のための時空間連合学習
arxiv_reader 2022/07/26
データのドリフトは、個人の再識別（ReID）モデルを実際のデバイスに展開する際の厄介な課題です。実際のデバイスでは、データの分布がトレーニング環境の分布とは大きく異なり、変化し続けます。この問題に取り

person

learning

re-id

arXiv reaDer

arXiv

dataset

representation
リンク
CLIP-CLOP：CLIPガイド付きコラージュとフォトモンタージュ
arxiv_reader 2022/07/26
CLIPデュアルイメージアンドテキストエンコーダーなどの大規模ニューラルネットワークの衰えることのない神秘性は、自動生成されたアートを普及させました。ますます洗練されたジェネレーターがアートワークのリ

arXiv

human

arXiv reaDer
リンク
いくつかの画像から一般化可能なライトフィールドネットワークを学習する
arxiv_reader 2022/07/26
神経ライトフィールド表現に基づく数ショットの新しいビュー合成のための新しい戦略を探求します。ターゲットカメラのポーズが与えられると、暗黙のニューラルネットワークが各光線をターゲットピクセルの色に直接マ

synthesis

learning

3D

arXiv reaDer

arXiv

few-shot

pose

representation
リンク
ラベルガイド付き補助トレーニングにより、3Dオブジェクト検出器が改善されます
arxiv_reader 2022/07/26
点群から3Dオブジェクトを検出することは、実用的でありながら挑戦的なタスクであり、最近ますます注目を集めています。本論文では、既存の3Dオブジェクト検出器の特徴学習を強化するための補助ネットワークとし

point cloud

detection

learning

3D

arXiv reaDer

arXiv

attention

RGB-D

dataset

representation
リンク
CNNとビジョントランスフォーマーを使用したMR画像の超解像の改善
arxiv_reader 2022/07/26
畳み込みニューラルネットワーク（CNN）を使用する最先端の磁気共鳴（MR）画像超解像法（ISR）は、CNNの空間カバレッジが限られているため、限られたコンテキスト情報を活用します。ビジョントランスフォ

super-resolution

loss function

CNN

arXiv reaDer

arXiv

MRI

transformer
リンク
PD-Flow：フローを正規化するポイントクラウドノイズ除去フレームワーク
arxiv_reader 2022/07/26
点群のノイズ除去は、きめ細かい詳細を維持しながら、ノイズや外れ値によって破損した生の観測からきれいな点群を復元することを目的としています。正規化フローとノイズ解きほぐし技術を組み込んで高いノイズ除去精

denoising

point cloud

learning

3D

arXiv reaDer

disentangling

arXiv

dataset

representation
リンク
データだけで堅牢性を実現できますか？
arxiv_reader 2022/07/26
敵対的訓練とその変種は、ニューラルネットワークを使用して敵対的にロバストな分類を達成するための一般的な方法になりました。ただし、計算コストの増加と、標準パフォーマンスと堅牢なパフォーマンスの間の大きな

adversarial

classification

arXiv reaDer

arXiv

dataset
リンク
ビデオでシャッターを展開するための内部制約と外部制約の組み合わせ
arxiv_reader 2022/07/26
ローリングシャッター（RS）カメラで取得したビデオでは、フレームが空間的に歪んでしまいます。これらの歪みは、カメラやシーンの動きが速い場合に顕著になります。 RSの元に戻す効果は、空間的な問題として扱

benchmark

video

synthesis

learning

zero-shot

arXiv reaDer

arXiv

dataset
リンク
ヒント：テキストによるポーズ合成
arxiv_reader 2022/07/26
コンピュータビジョンでは、人間のポーズの合成と転送は、その人のすでに利用可能な観察から、以前は見られなかったポーズの人の確率的な画像生成を扱います。研究者は最近、このタスクを達成するためのいくつかの方

person

synthesis

arXiv reaDer

arXiv

human

pose

dataset

computer vision

representation
リンク
RADNet：カラー眼底画像におけるロバストな緑内障分類のためのアンサンブルモデル
arxiv_reader 2022/07/26
緑内障は最も重篤な眼疾患の1つであり、急速な進行と不可逆的な失明を特徴としています。病気の初期段階で目立った症状がないために視力がすでに著しく低下しているときに診断が行われることがよくあります。集団の

detection

learning

classification

arXiv reaDer

arXiv

dataset
リンク
TVCalib: サッカーのスポーツフィールドレジストレーションのためのカメラキャリブレーション
arxiv_reader 2022/07/26
放送ビデオでのスポーツフィールドの登録は、通常、ホモグラフィ推定のタスクとして解釈されます。ホモグラフィ推定は、平面フィールドと画像の対応する可視領域との間のマッピングを提供します。以前のアプローチと

point cloud

video

estimation

3D

arXiv reaDer

arXiv

pose

differentiable

dataset
リンク
シフトにとらわれない重みの正則化と最も近いソースプロトタイプによるテスト時間の適応の改善
arxiv_reader 2022/07/26
このホワイトペーパーでは、ターゲットドメインからのラベルのないオンラインデータのみを使用してソースドメインで事前トレーニングされたモデルを調整し、ソースドメインとターゲットドメイン間の分散シフトによる

benchmark

pre-training

regularization

unsupervised

learning

arXiv reaDer

adaptation

arXiv

domain
リンク
半教師ありディープマルチビューステレオ
arxiv_reader 2022/07/26
教師ありおよび教師なし設定の学習ベースのマルチビューステレオ（MVS）で、大きな進歩が見られました。精度と完全性のそれぞれのメリットを組み合わせ、同時に高価なラベル付きデータの需要を減らすために、この

augmentation

regularization

unsupervised

semi-supervised

learning

arXiv reaDer

arXiv

dataset

stereo
リンク
SegGroup：3Dインスタンスとセマンティックセグメンテーションのセグメントレベルの監視
arxiv_reader 2022/07/26
ほとんどの既存のポイントクラウドインスタンスとセマンティックセグメンテーション方法は、シーン内のすべてのポイントにポイントレベルのラベルを必要とする強力な監視信号に大きく依存しています。ただし、このよ

semantic segmentation

point cloud

3D

arXiv reaDer

arXiv

weakly-supervised
リンク
敵対的移転可能性を高める12の方法が共有する共通のメカニズムを証明する
arxiv_reader 2022/07/26
敵対的摂動の伝達可能性を高めるために多くの方法が提案されてきたが、これらの方法はヒューリスティックな方法で設計されており、敵対的伝達可能性を改善するための本質的なメカニズムはまだ不明である。この論文は

arXiv

adversarial

arXiv reaDer
リンク
少数ショット学習のためのカーネル相対プロトタイプスペクトルフィルタリング
arxiv_reader 2022/07/26
少数のショットの学習は、希少なサンプルに対して分類タスクと回帰タスクを実行します。最も代表的な数ショット学習モデルの1つとして、Prototypical Networkは各クラスをサンプル平均またはプ

regularization

learning

classification

arXiv reaDer

arXiv

few-shot

dataset
リンク
PCA：パッチ信頼度敵対トレーニングによる半教師ありセグメンテーション
arxiv_reader 2022/07/26
深層学習ベースの半教師あり学習（SSL）手法は、医療画像のセグメンテーションで強力なパフォーマンスを実現しました。これにより、ラベルのない大量のデータを利用することで、医師の高価な注釈を軽減できます。

adversarial

gradient

learning

semi-supervised

classification

arXiv reaDer

arXiv

segmentation

dataset
リンク
画像スタイル転送のためのグラフニューラルネットワークの学習
arxiv_reader 2022/07/26
最先端のパラメトリックおよびノンパラメトリックスタイル転送アプローチは、グローバル統計の調整が原因でローカルスタイルのパターンが歪むか、パッチの不一致が原因でアーティファクトが発生する傾向があります。

learning

arXiv reaDer

arXiv

GNN

convolutional
リンク
顔射を伴う事前訓練されたモデルを使用した感情行動分析
arxiv_reader 2022/07/26
感情行動分析は、その幅広い用途のために研究者の注目を集めています。ただし、大規模な顔画像の正確な注釈を取得するのは手間がかかります。したがって、ラベルのない顔画像で事前トレーニングされたマスクオートエ

emotion

face

CNN

arXiv reaDer

arXiv

action

attention

transformer

multi-task
リンク
FD-MAR：CT金属アーチファクト低減のためのフーリエデュアルドメインネットワーク
arxiv_reader 2022/07/26
金属製のインプラントや歯科用充填材などの高密度の物体が存在すると、コンピューター断層撮影（CT）画像にひどく縞のようなアーチファクトが生じ、その後の診断が大幅に制限される可能性があります。金属アーチフ

CT

loss function

arXiv reaDer

arXiv

domain

metric

convolutional
リンク
学習可能なプライバシー-歩行者画像の匿名化を維持する
arxiv_reader 2022/07/26
この論文は、歩行者画像の新しいプライバシー保護匿名化問題を研究します。これは、承認されたモデルの個人ID情報（PII）を保存し、PIIが第三者に認識されないようにします。従来の匿名化方法は、必然的に意

person

pedestrian

re-id

learning

arXiv reaDer

arXiv
リンク
スパイキングニューラルネットワークの学習を強化するためのシナプス間の結合可塑性のモデリング
arxiv_reader 2022/07/26
スパイキングニューラルネットワーク（SNN）は、ニューロモルフィックハードウェアでのエネルギー効率の高い実装を可能にする第3世代の人工ニューラルネットワークです。ただし、スパイクの離散送信は、堅牢で高

SNN

learning

arXiv reaDer

arXiv

dataset

convolutional
リンク
脚式ロボットのナビゲーションのための結合ビジョンと固有受容
arxiv_reader 2022/07/26
視覚と固有受容の補完的な強みを活用して、VP-Navと呼ばれる脚式ロボットのポイントゴールナビゲーションシステムを開発します。脚式システムは、車輪付きロボットよりも複雑な地形を横断できますが、この機能

arXiv

robot

video

arXiv reaDer
リンク
ロボット念力：Youtubeで人間を見てロボットハンドイミテーターを学ぶ
arxiv_reader 2022/07/26
人間が自分の手で動きを実演するだけで、ロボットの手や腕を操作できるシステムを構築しています。ロボットは、単一のRGBカメラを介して人間のオペレーターを観察し、リアルタイムで彼らの行動を模倣します。人間

robot

video

real time

learning

arXiv reaDer

arXiv

human

action

trajectory
リンク
SiSPRNet：シングルショット位相回復のためのエンドツーエンドの学習
arxiv_reader 2022/07/26
多くの画像処理タスクでの深層学習手法の成功に伴い、最近、位相回復問題に深層学習アプローチも導入されています。これらのアプローチは、通常1回の強度測定のみを必要とし、リアルタイムで位相画像を再構成できる

residual

real time

reconstruction

learning

arXiv reaDer

arXiv

domain

single-shot

dataset

representation
リンク
自己構成学習による人間と物体の相互作用の概念の発見
arxiv_reader 2022/07/26
人間と物体の相互作用（HOI）を包括的に理解するには、事前定義されたHOI概念（またはカテゴリ）のごく一部だけでなく、他の合理的なHOI概念も検出する必要がありますが、現在のアプローチでは通常、未知の

detection

learning

arXiv reaDer

arXiv

dataset
リンク
MaxViT：多軸ビジョントランスフォーマー
arxiv_reader 2022/07/26
トランスフォーマーは最近、コンピュータービジョンコミュニティで大きな注目を集めています。ただし、画像サイズに関する自己注意メカニズムのスケーラビリティの欠如は、最先端のビジョンバックボーンでの幅広い採

pre-training

detection

classification

arXiv reaDer

arXiv

attention

transformer

computer vision

generative

convolutional
リンク
MAR：効率的な行動認識のためのマスクされたオートエンコーダ
arxiv_reader 2022/07/26
ビデオ認識の標準的なアプローチは、通常、完全な入力ビデオで動作します。これは、ビデオに広く存在する時空間冗長性のために非効率的です。マスクされたビデオモデリング、つまりVideoMAEの最近の進歩は、

video

reconstruction

classification

arXiv reaDer

action recognition

arXiv

transformer

dataset

spatio-temporal
リンク
V2X-ViT：VisionTransformerを使用した車両からすべてへの協調認識
arxiv_reader 2022/07/26
この論文では、自動運転車の知覚性能を向上させるために、Vehicle-to-Everything（V2X）通信のアプリケーションを調査します。新しいビジョントランスフォーマーを使用したV2X通信による

detection

3D

arXiv reaDer

arXiv

pose

attention

transformer

dataset

vehicle
リンク
反転とドリフトによるイベントベースの学習の正則化の改善
arxiv_reader 2022/07/26
イベントカメラは、高い時間分解能、高いダイナミックレンジ、低消費電力、モーションブラーがないという利点があるため、困難なシーンで大きな可能性を秘めています。ただし、イベントベースの学習は、不十分な一般

augmentation

regularization

learning

arXiv reaDer

arXiv

domain

dataset
リンク
FCL-GAN：教師なしブラインド画像のぼけ除去のための軽量でリアルタイムのベースライン
arxiv_reader 2022/07/26
ブラインド画像のぼけ除去（BID）は、依然として困難で重要な作業です。ディープラーニングの強力なフィッティング能力の恩恵を受けて、ペアのデータ駆動型の監視付きBIDメソッドは大きな進歩を遂げました。た

contrastive

real time

synthesis

unsupervised

learning

arXiv reaDer

arXiv

domain

dataset
リンク
ノイズブラーデュアル破損下でのロバストなシーン推論
arxiv_reader 2022/07/26
暗い場所でのシーンの推測は、キャプチャされた画像に深刻なノイズがあるため、難しい問題です。ノイズを減らす1つの方法は、キャプチャ中に露出を長くすることです。ただし、モーション（シーンまたはカメラのモー

arXiv

detection

classification

arXiv reaDer
リンク
Chenの因数分解に基づくDCT近似
arxiv_reader 2022/07/26
この論文では、Chenの因数分解に基づく2つの8点無乗算DCT近似を提案し、それらの高速アルゴリズムも導出します。両方の変換は、計算コスト、エラーエネルギー、およびコーディングゲインの観点から評価され

video

arXiv reaDer

compression

arXiv

approximation
リンク
きめの細かいヘビ認識のための効果的な方法論を探求
arxiv_reader 2022/07/26
Fine-Grained Visual Classification（FGVC）は、コンピュータービジョンとパターン認識における長年の根本的な問題であり、さまざまな実世界のアプリケーションを支えていま

self-supervised

pre-training

loss function

learning

classification

arXiv reaDer

arXiv

identification

dataset

computer vision
リンク
SeqTR：視覚的接地のためのシンプルでありながらユニバーサルなネットワーク
arxiv_reader 2022/07/26
この論文では、視覚的接地タスク、例えば、フレーズのローカリゼーション、参照表現理解（REC）およびセグメンテーション（RES）のためのSeqTRと呼ばれるシンプルでありながら普遍的なネットワークを提案

benchmark

loss function

dataset

arXiv reaDer

arXiv

segmentation

localization

multi-task

convolutional
リンク
マルチモーダル遅延ランダム化による野生での視覚誘導四足歩行運動
arxiv_reader 2022/07/26
さまざまな障害物、動的な環境、起伏のある地形など、複雑な環境で4ペダルロボット用の堅牢な視覚誘導コントローラーを開発することは非常に困難です。強化学習（RL）は、シミュレーションでのビジョン入力を使用

robot

reinforcement learning

simulation

video

arXiv reaDer

arXiv

domain
リンク
自動コンクリート施工性推定のための時空間解析
arxiv_reader 2022/07/26
具体的な作業性の尺度は、主に、目視検査による認定査定者の主観的査定に基づいて決定されます。作業性の測定における潜在的な人為的エラーと、その結果としての作業性の不必要な調整は、建設業界が直面する大きな課

video

estimation

arXiv reaDer

arXiv

human

computer vision
リンク
BLT：制御可能なレイアウト生成のための双方向レイアウトトランスフォーマー
arxiv_reader 2022/07/26
ビジュアルレイアウトの作成は、グラフィックデザインの重要なステップです。このようなレイアウトの自動生成は、スケーラブルで多様なビジュアルデザインに不可欠です。条件付きレイアウトの生成を進めるために、双

arXiv

benchmark

transformer

arXiv reaDer
リンク
CLASTER：ゼロショットアクション認識のための強化学習によるクラスタリング
arxiv_reader 2022/07/26
ゼロショットアクション認識は、視覚的な例なしでアクションクラスを認識するタスクであり、目に見えないクラスを目に見えるクラスに関連付けるセマンティック埋め込みのみを使用します。この問題は、クラス間の区別

clustering

reinforcement learning

embedding

zero-shot

action recognition

arXiv

arXiv reaDer

domain

dataset

representation
リンク
Learn2Augment：アクション認識におけるデータ拡張のためのコンポジットビデオの学習
arxiv_reader 2022/07/26
ビデオアクション認識のためのデータ拡張の問題に対処します。ビデオの標準的な拡張戦略は手作業で設計されており、どの拡張ポイントが優れているかを知らずにランダムに、またはヒューリスティックを介して、可能な

augmentation

video

learning

semi-supervised

arXiv reaDer

action recognition

arXiv

few-shot
リンク
時間にとらわれないVQGANと時間に敏感なトランスフォーマーによる長いビデオ生成
arxiv_reader 2022/07/26
ビデオは、感情を表現し、情報を交換し、経験を共有するために作成されます。ビデオシンセサイザーは長い間研究者を魅了してきました。視覚的合成の進歩によって急速に進歩しているにもかかわらず、ほとんどの既存の

benchmark

emotion

video

synthesis

arXiv reaDer

arXiv

transformer

dataset
リンク
転倒検知と屋内測位のための環境支援生活システムの実世界開発のための単純で費用効果の高い設計：概念実証
arxiv_reader 2022/07/26
絶えず増加する世界の高齢化人口で非常に一般的な転倒は、日常生活動作（ADL）を実行する能力を制限するなど、健康、幸福、生活の質にさまざまな悪影響を与える可能性があります。自分の栄養。転倒時のタイムリー

tracking

detection

arXiv reaDer

arXiv

activity

localization
リンク
シーンの曖昧性解消による人種的に偏りのない肌の色調推定に向けて
arxiv_reader 2022/07/26
仮想顔のアバターは、没入型コミュニケーション、ゲーム、メタバースでますます重要な役割を果たすため、それらが包括的であることが重要です。これには、年齢、性別、民族に関係なく、アルベドで表される外観を正確

benchmark

face

estimation

3D

arXiv reaDer

arXiv

attention

metric

dataset
リンク
携帯電話でデュアルカメラフュージョンを使用した顔のブレ除去
arxiv_reader 2022/07/26
動きの速い被写体のモーションブラーは、写真撮影では長年の問題であり、特に暗い場所での集光効率が限られているため、携帯電話では非常に一般的です。近年、画像のブレ除去が大幅に進歩しましたが、ほとんどの方法

arXiv

face

video

arXiv reaDer
リンク
ノイズの多いラベルを使用した学習のための対照表現の学習について
arxiv_reader 2022/07/26
ディープニューラルネットワークは、softmaxクロスエントロピー（CE）損失を伴う、ノイズの多いラベルを簡単に記憶することができます。以前の研究では、CE損失にノイズに強い損失関数を組み込むことに焦

contrastive

benchmark

loss function

regularization

representation learning

arXiv reaDer

arXiv

dataset
リンク
ジェネレーティブアーティザン：セマンティックを認識し、制御可能なCLIPstyler
arxiv_reader 2022/07/26
現在の画像スタイルの転送方法のほとんどでは、ユーザーが特定のスタイルの画像を提供し、そのスタイリング機能とテクスチャを抽出して画像のスタイルを生成する必要があることを思い出してください。ただし、まだい

semantic segmentation

pre-training

embedding

arXiv reaDer

arXiv

human

generative
リンク
d次元オブジェクトの投影によって生成された画像に対するSO（d）回転のアクションの定義：幾何学的VAEを使用して推論を行うためのアプリケーション
arxiv_reader 2022/07/26
変分オートエンコーダー（VAE）の最近の進歩により、潜在多様体をSO（d）などのコンパクトリー群として学習できるようになりました。このアプローチでは、データがリー群自体と同相である部分空間にあると想定

learning

arXiv reaDer

arXiv

action

pose
リンク
https://arxiv-check-250201.firebaseapp.com/each/2207.11581v2
arxiv_reader 2022/07/26
医用画像認識タスク用に高品質のラベルを取得することは困難であるため、小さなラベル付きデータセットで適切に微調整できる深層学習技術が必要です。自己監視学習手法の最近の進歩により、このようなドメイン内表現

transfer learning

self-supervised

video

representation learning

arXiv reaDer

arXiv

saliency
リンク
単一画像からの屋内シーン照明の物理ベースの編集
arxiv_reader 2022/07/26
予測された深度と光源のセグメンテーションマスクを使用して、単一の画像から複雑な屋内照明を編集する方法を紹介します。これは非常に難しい問題であり、複雑な光の輸送をモデル化し、シーンの部分的なLDR観測の

reconstruction

estimation

3D

arXiv reaDer

disentangling

arXiv

segmentation

representation
リンク
ロボットは悪性のステレオタイプを制定する
arxiv_reader 2022/07/26
ステレオタイプ、バイアス、および識別は、コンピュータービジョン（CV）[18、80]、自然言語処理（NLP）[6]、またはその両方など、大きな画像の場合は機械学習（ML）メソッドで広く文書化されていま

face

robot

bias

learning

arXiv reaDer

arXiv

human

dataset

computer vision
リンク
単一アイテムのファッションレコメンダー：クロスドメインレコメンデーションに向けて
arxiv_reader 2022/07/26
今日、レコメンダーシステムと検索エンジンはファッションeコマースにおいて不可欠な役割を果たしています。それでも、多くの課題が待ち受けており、この研究はいくつかに取り組むことを試みています。この記事では

augmentation

arXiv reaDer

arXiv

human

metric
リンク
3DOS: 3D オープンセット学習に向けて -- 点群でのセマンティックノベルティ検出のベンチマークと理解
arxiv_reader 2022/07/26
ここ数年、分類、検出、セグメンテーションの問題に関する3D学習の分野で大きな進歩がありました。既存の研究の大部分は、実世界の本質的な開放性を無視して、標準的な閉集合条件に焦点を合わせています。これによ

point cloud

benchmark

OOD

detection

3D

arXiv reaDer

classification

arXiv

segmentation
リンク
自動医療画像セグメンテーションのための高解像度SwinTransformer
arxiv_reader 2022/07/26
特徴マップの解像度は、医療画像のセグメンテーションにとって重要です。医用画像セグメンテーション用の既存のTransformerベースのネットワークのほとんどは、入力された医用画像を高解像度の表現から低

arXiv reaDer

arXiv

transformer

segmentation

dataset

representation

convolutional
リンク
単一のポジティブラベルを使用したマルチラベル学習の未知数を認める
arxiv_reader 2022/07/26
網羅的なマルチラベル注釈を収集することは困難であるため、マルチラベルデータセットには部分的なラベルが含まれていることがよくあります。シングルポジティブマルチラベル学習（SPML）と呼ばれる、この弱く監

benchmark

gradient

learning

arXiv reaDer

arXiv

dataset

weakly-supervised
リンク
セルフサポート少数ショットセマンティックセグメンテーション
arxiv_reader 2022/07/26
既存の数ショットのセグメンテーション方法は、サポートクエリマッチングフレームワークに基づいて大きな進歩を遂げました。しかし、彼らはまだ提供されている数ショットのサポートからのクラス内のバリエーションの

semantic segmentation

arXiv reaDer

arXiv

few-shot

dataset
リンク
スマートフォン加速度計で収集した通常歩行の人間歩行データベース
arxiv_reader 2022/07/26
歩行認識は、直接接触することなく人を識別するために利用できる、各個人に関連付けられた固有の生体認証パターンの特性評価です。比較的多数の被験者がいる公共の歩行データベースは、歩行認証モデルを構築および検

person

arXiv

human

arXiv reaDer
リンク
HPS-Det：オブジェクト検出のためのハイパーパラメータ検索による動的サンプル割り当て
arxiv_reader 2022/07/26
サンプルの割り当ては、最新のオブジェクト検出アプローチで重要な役割を果たします。ただし、ほとんどの既存の方法は、手動設計に依存してポジティブ/ネガティブサンプルを割り当てます。これは、サンプル割り当て

dataset

arXiv

detection

arXiv reaDer
リンク
SWAT：トークン内およびトークン間の空間構造
arxiv_reader 2022/07/26
注意メカニズム、フィードフォワードネットワーク、または畳み込みを使用して視覚データをトークン（つまり、画像パッチ）としてモデル化することは、近年非常に効果的です。このようなメソッドには通常、共通のパイ

benchmark

classification

arXiv reaDer

arXiv

attention

transformer

segmentation

convolutional
リンク
スライスされた再帰トランス
arxiv_reader 2022/07/26
追加のパラメーターを使用せずにパラメーターの使用率を向上させることができる、ビジョントランスフォーマーのきちんとした効果的な再帰操作を紹介します。これは、トランスネットワークの深さ全体で重みを共有する

arXiv

transformer

arXiv reaDer
リンク
ビデオモーショングラフによるオーディオ駆動のニューラルジェスチャの再現
arxiv_reader 2022/07/26
人間の発話には、腕や手のジェスチャーなどの身体のジェスチャーが伴うことがよくあります。ターゲットの音声音声に一致するジェスチャで高品質のビデオを再現する方法を紹介します。私たちの方法の重要なアイデアは

video

gesture

arXiv reaDer

arXiv

human
リンク
地元の専門家のハイパーカラムベースのランダムフォレストを使用した非構造化道路セグメンテーション
arxiv_reader 2022/07/26
単眼視覚ベースの道路検出方法は、ほとんどが機械学習方法に基づいており、分類と特徴抽出の精度に依存しており、外観、照明、天候の変化に悩まされています。従来の方法では、条件付き確率場またはマルコフ確率場モ

monocular

pre-training

real time

CNN

detection

classification

arXiv reaDer

arXiv

segmentation
リンク
視覚認識のための相互対照学習によるオンライン知識抽出
arxiv_reader 2022/07/26
教師なしのオンラインKnowledgeDistillation（KD）は、複数の学生モデルのアンサンブルを共同でトレーニングし、互いに知識を抽出することを目的としています。既存のオンラインKDメソッド

transfer learning

embedding

classification

representation learning

arXiv reaDer

arXiv

knowledge distillation

contrastive learning
リンク
AirDet：自律探査のための微調整なしの少数のショット検出
arxiv_reader 2022/07/26
近年、少数ショットの物体検出が注目を集め、急速に進歩しています。ただし、既存の方法で徹底的なオフライン微調整段階を必要とすることは時間がかかり、低電力ロボットの自律探査などのオンラインアプリケーション

robot

pre-training

detection

learning

arXiv reaDer

arXiv

few-shot

attention

localization
リンク
対照的な単調なピクセルレベルの変調
arxiv_reader 2022/07/26
継続的な1対多のマッピングは、低レベルのビジョンと神経画像の変換の両方において、あまり調査されていませんが重要なタスクです。この論文では、教師なし連続変調モデルであるMonoPixと呼ばれる新しい定式

contrastive

unsupervised

arXiv reaDer

arXiv

domain adaptation

approximation
リンク
Marior：野生でのドキュメントの歪み補正のためのマージンの削除と反復的なコンテンツの修正
arxiv_reader 2022/07/26
カメラでキャプチャされたドキュメント画像は、通常、遠近法や幾何学的な変形に悩まされます。視力の低下やOCRシステムのパフォーマンスの低下を考慮する場合は、これらを修正することは非常に価値があります。最

arXiv

benchmark

segmentation

arXiv reaDer
リンク
セマンティック抽象化: 2D 視覚言語モデルからのオープンワールド 3D シーンの理解
arxiv_reader 2022/07/26
オープンワールドの3Dシーンの理解を研究します。これは、エージェントがオープンセットの語彙とドメイン外の視覚入力を使用して3D環境について推論する必要がある一連のタスクです。これは、ロボットが非構造化

robot

synthesis

reasoning

zero-shot

3D

arXiv

arXiv reaDer

domain
リンク
PHTrans：医療画像セグメンテーションのためのグローバル表現とローカル表現の並列集約
arxiv_reader 2022/07/26
コンピュータビジョンにおけるTransformerの成功は、医用画像コミュニティでますます注目を集めています。特に医療画像のセグメンテーションでは、畳み込みニューラルネットワーク（CNN）とTrans

CNN

3D

arXiv reaDer

arXiv

attention

transformer

segmentation

dataset

computer vision
リンク
半教師付き腹部臓器セグメンテーションのためのハイブリッドアーキテクチャと疑似ラベルの組み合わせ
arxiv_reader 2022/07/26
腹部臓器のセグメンテーションには、臓器の定量化、外科的計画、疾患診断など、多くの重要な臨床応用があります。ただし、CTスキャンから臓器に手動で注釈を付けることは、時間と労力を要します。半教師あり学習は

CT

CNN

learning

semi-supervised

arXiv reaDer

arXiv

segmentation

transformer
リンク
SSBNet：適応サンプリングによる視覚認識効率の改善
arxiv_reader 2022/07/26
ダウンサンプリングは、視覚認識の精度と遅延の間の適切なトレードオフを実現するために広く採用されています。残念ながら、一般的に使用されるプーリングレイヤーは学習されないため、重要な情報を保存できません。

detection

classification

arXiv reaDer

arXiv

dataset

pooling
リンク
ディープラーニングを使用したマルチメディアデータ分類のためのインテリジェント3Dネットワークプロトコル
arxiv_reader 2022/07/26
ビデオでは、人間の行動は3次元（3D）信号です。これらのビデオは、人間の行動に関する時空間的な知識を調査します。有望な能力は、3D畳み込みニューラルネットワーク（CNN）を使用して調査されます。 3D

face

CNN

3D

arXiv reaDer

action recognition

arXiv

classification

human

dataset

convolutional
リンク
眼球運動軌道の個々のトポロジー構造
arxiv_reader 2022/07/26
従来、眼球運動データからパターンを抽出することは、固視やサッカードなどのさまざまなマクロイベントの統計に依存しています。これには、眼球運動のサブタイプを分離するための追加の前処理ステップが必要です。多

person

point cloud

gaze

classification

arXiv reaDer

arXiv

dataset
リンク
アクティブなポイント監視インスタンスセグメンテーション
arxiv_reader 2022/07/26
高価なアノテーションの要件は、パフォーマンスの高いインスタンスセグメンテーションモデルをトレーニングするための大きな負担です。このホワイトペーパーでは、アクティブポイント監視インスタンスセグメンテーシ

learning

arXiv reaDer

arXiv

segmentation

dataset
リンク
パノラマレントゲン画像からの深層転移学習に基づく人間の性別予測
arxiv_reader 2022/07/26
パノラマ歯科X線撮影（PDR）画像処理は、法医学における性別決定に最も広く使用されている方法の1つです。ディープラーニングモデルは、処理速度、精度、安定性が高いため、今日の放射線画像の自動分析で広く使

transfer learning

pre-training

CNN

classification

arXiv reaDer

arXiv

human

dataset
リンク
カテゴリレベルのオブジェクトポーズ推定のためのビジュアルナビゲーションパースペクティブ
arxiv_reader 2022/07/26
この論文は、単一の単眼画像に基づくカテゴリレベルのオブジェクトポーズ推定を研究します。ポーズ認識生成モデルの最近の進歩により、合成による分析を使用してこの困難なタスクに対処するための道が開かれました。

reinforcement learning

monocular

synthesis

gradient

arXiv reaDer

arXiv

dataset

pose estimation

generative
リンク
GraphFit：点群法線推定のためのマルチスケールグラフ-畳み込み表現の学習
arxiv_reader 2022/07/26
構造化されていない3D点群のノイズと不均一な密度を処理できる正確で効率的な正規推定法を提案します。パッチを直接取得し、鋭いエッジなどの困難な領域の影響を受けやすいローカル近隣関係を無視する既存のアプロ

point cloud

benchmark

estimation

3D

arXiv reaDer

arXiv

attention

dataset

representation

convolutional
リンク
階層的自己教師あり拡張知識蒸留
arxiv_reader 2022/07/26
知識の蒸留には、多くの場合、知識を定義し、教師から生徒に効果的に伝達する方法が含まれます。最近の自己教師あり対照知識は最高のパフォーマンスを達成しますが、ネットワークにそのような知識を学習させると、元

augmentation

contrastive

self-supervised

classification

representation learning

arXiv reaDer

arXiv

knowledge distillation
リンク
モダリティを備えたマルチモーダル感情認識-ペアワイズ教師なし対照損失
arxiv_reader 2022/07/26
感情認識は、いくつかの実際のアプリケーションに関係しています。利用可能なモダリティの増加に伴い、感情の自動理解がより正確に実行されています。マルチモーダル感情認識（MER）の成功は、主に教師あり学習パ

augmentation

contrastive

benchmark

emotion

pre-training

unsupervised

learning

arXiv reaDer

arXiv

dataset
リンク
階層的自己監視拡張分布を使用した知識の蒸留
arxiv_reader 2022/07/26
知識蒸留（KD）は、大きな教師から小さな生徒に意味のある情報を転送することを目的とした効果的なフレームワークです。一般に、KDには、知識を定義して伝達する方法が含まれることがよくあります。以前のKD手

augmentation

self-supervised

detection

classification

representation learning

arXiv reaDer

arXiv

knowledge distillation
リンク
3Dラベリングツール
arxiv_reader 2022/07/26
監視ありオブジェクト検出モデルのトレーニングとテストには、グラウンドトゥルースラベルが付いた画像の大規模なコレクションが必要です。ラベルは、画像内のオブジェクトクラス、その場所、形状、および場合によっ

point cloud

reconstruction

mesh

detection

3D

arXiv reaDer

arXiv

pose
リンク
自己監視によるプログレッシブシーンテキスト消去
arxiv_reader 2022/07/26
シーンテキスト消去は、シーン画像からテキストコンテンツを消去することを目的としており、現在の最先端のテキスト消去モデルは、大規模な合成データでトレーニングされています。データ合成エンジンは、注釈付きの

residual

self-supervised

benchmark

synthesis

arXiv reaDer

arXiv

representation
リンク
CompNVS：シーン補完による新しいビュー合成
arxiv_reader 2022/07/26
シーンカバレッジがほとんど不完全なRGB-D画像からの新しいビュー合成のためのスケーラブルなフレームワークを紹介します。生成的ニューラルアプローチは2D画像で素晴らしい結果を示しましたが、空間3Dシー

sparse

synthesis

3D

arXiv reaDer

arXiv

representation

RGB-D

differentiable

generative
リンク
デュアルパスグラフ補完によるオブジェクト配置の学習
arxiv_reader 2022/07/26
オブジェクトの配置は、適切な場所とサイズで前景オブジェクトを背景画像の上に配置することを目的としています。この作業では、オブジェクトの配置をグラフ完成問題として扱い、新しいグラフ完成モジュール（GCM

dataset

arXiv

learning

arXiv reaDer
リンク
カウントがHMERに出会うとき：手書きの数式認識のためのカウント対応ネットワーク
arxiv_reader 2022/07/26
最近、ほとんどの手書きの数式認識（HMER）メソッドは、注意メカニズムを使用して数式画像からマークアップシーケンスを直接予測するエンコーダーデコーダーネットワークを採用しています。ただし、このような方

benchmark

arXiv reaDer

arXiv

attention

dataset

weakly-supervised
リンク
UC-OWOD：不明-分類されたオープンワールドオブジェクト検出
arxiv_reader 2022/07/26
オープンワールドオブジェクト検出（OWOD）は、未知のオブジェクトを検出し、識別された未知のクラスを徐々に学習する必要がある、挑戦的なコンピュータービジョンの問題です。ただし、不明なインスタンスを複数

clustering

detection

learning

classification

arXiv reaDer

arXiv

computer vision
リンク
BuyTheDips：トポロジーを改善するためのPathLoss-ディープラーニングベースの画像セグメンテーションを維持
arxiv_reader 2022/07/26
画像のグローバルトポロジをキャプチャすることは、そのドメインの正確なセグメンテーションを提案するために不可欠です。ただし、既存のセグメンテーション方法のほとんどは、指定された入力の初期トポロジを保持し

loss function

detection

dataset

learning

arXiv reaDer

arXiv

domain

segmentation

localization
リンク
ビデオ分類のための長期的な飛躍的注意、短期的な定期的なシフト
arxiv_reader 2022/07/26
ビデオトランスフォーマーは、静的ビジョントランスフォーマーよりも計算負荷が大きくなります。これは、前者が2次複雑性（T ^ 2N ^ 2）の現在の注目の下で、後者よりもT倍長いシーケンスを処理するため

benchmark

video

CNN

classification

arXiv reaDer

arXiv

attention

transformer

pooling

spatio-temporal
リンク
ビデオシーングラフ生成のためのメタ時空間デバイアス
arxiv_reader 2022/07/26
ビデオシーングラフ生成（VidSGG）は、ビデオコンテンツをシーングラフに解析することを目的としています。これには、ビデオ内の時空間コンテキスト情報のモデリングが含まれます。ただし、データセットのロン

video

bias

arXiv reaDer

arXiv

dataset

spatio-temporal
リンク
グローバル損失とローカル損失を組み合わせることによる構造強化を伴う任意のスタイルの転送
arxiv_reader 2022/07/26
任意のスタイル転送は、1つのトレーニング済みネットワークのみを使用して、コンテンツイメージの構造とアートワークのアーティスティックスタイルを組み合わせたアーティスティックイメージを生成します。この方法

pre-training

classification

arXiv reaDer

arXiv

dataset

representation
リンク
ニューラルネットワークを使用した月面着陸地点の検出と初期評価
arxiv_reader 2022/07/26
ロボットと人間の月面着陸は、将来のNASAミッションの焦点です。ミッションの成功と着陸船と乗組員の安全を保証するには、正確な着陸能力が不可欠です。水面への接近中、安全な着陸を確保するためのハザード相対

robot

monocular

detection

arXiv reaDer

arXiv

human
リンク
ニューラルネットワークを使用した宇宙領域認識のための未解決の宇宙画像における衛星検出
arxiv_reader 2022/07/26
この作業では、MobileNetV2畳み込みニューラルネットワーク（CNN）を利用して、雑然とした未解決の宇宙画像で、衛星の高速なモバイル検出と星の除去を行います。最初に、合成衛星画像プログラムからの

synthesis

estimation

CNN

detection

satellite

arXiv reaDer

arXiv

identification

domain

dataset
リンク
マルチエージェント深層強化学習によるハーフトーン
arxiv_reader 2022/07/26
ディープニューラルネットワークは最近、高い並列性を備えたバニラ畳み込み層を使用したデジタルハーフトーン化に成功しました。ただし、既存のディープメソッドは、満足のいくブルーノイズ特性を持つハーフトーンを

reinforcement learning

loss function

gradient

arXiv reaDer

arXiv

action

convolutional
リンク
PS-NeRF：マルチビューフォトメトリックステレオのニューラルインバースレンダリング
arxiv_reader 2022/07/26
従来のマルチビューフォトメトリックステレオ（MVPS）メソッドは、多くの場合、複数の互いに素なステージで構成されているため、顕著な累積エラーが発生します。この論文では、陰的表現に基づくMVPSのニュー

reconstruction

synthesis

arXiv reaDer

arXiv

differentiable

dataset

stereo

representation
リンク
教師なしマルチフレーム単眼深度のオブジェクトの動きとオクルージョンを解きほぐす
arxiv_reader 2022/07/26
従来の自己監視単眼深度予測方法は、静的環境の仮定に基づいており、オブジェクトの動きによって引き起こされる不一致とオクルージョンの問題により、動的シーンの精度が低下します。既存の動的オブジェクトに焦点を

self-supervised

monocular

unsupervised

learning

depth prediction

arXiv reaDer

disentangling

arXiv

occlusion

dataset
リンク
自然言語の説明による視覚的含意のためのチャンク認識アラインメントと語彙制約
arxiv_reader 2022/07/26
自然言語の説明による視覚的含意は、テキストと画像のペア間の関係を推測し、意思決定プロセスを説明する文を生成することを目的としています。以前の方法は、主に事前に訓練された視覚言語モデルに依存して関係推論

pre-training

reasoning

arXiv reaDer

arXiv

dataset

representation
リンク
SocialVAE：時間的潜在性を使用した人間の軌道予測
arxiv_reader 2022/07/26
歩行者の動きを予測することは、人間の行動分析にとって、また安全で効率的な人間とエージェントの相互作用にとって重要です。ただし、大幅な進歩にもかかわらず、既存のアプローチでは、人間のナビゲーションの意思

benchmark

pedestrian

arXiv reaDer

arXiv

human

attention

RNN

dataset

drone

trajectory
リンク
網膜血管セグメンテーションのための方向とコンテキストの絡み合ったネットワーク
arxiv_reader 2022/07/26
血管セグメンテーションのための既存の深層学習ベースの方法のほとんどは、網膜血管の2つの重要な側面を無視しています。1つは血管の方向情報であり、もう1つは眼底領域全体のコンテキスト情報です。この論文では

learning

arXiv reaDer

arXiv

attention

segmentation

dataset

convolutional
リンク
深部肺炎：胸部X線でのクラス不均衡な肺炎病変認識のための注意ベースの対照学習
arxiv_reader 2022/07/26
コンピュータ支援X線肺炎病変の認識は、肺炎の正確な診断にとって重要です。深層学習の出現により、肺炎の識別精度は大幅に向上しましたが、胸部X線のぼやけた外観のためにまだいくつかの課題があります。この論文

self-supervised

loss function

classification

arXiv reaDer

arXiv

identification

contrastive learning

attention

dataset
リンク
R2L：効率的な新規ビュー合成のための神経放射輝度フィールドから神経ライトフィールドへの蒸留
arxiv_reader 2022/07/26
ニューラルラディアンスフィールド（NeRF）に関する最近の研究の爆発的増加は、ニューラルネットワークで複雑なシーンを表現するための有望な可能性を示しています。 NeRFの主な欠点の1つは、その法外な推

residual

pre-training

synthesis

learning

arXiv reaDer

distillation

arXiv

representation
リンク
ABAW4マルチタスクチャレンジの2つの側面の情報融合モデル
arxiv_reader 2022/07/26
この論文では、第4回感情行動分析の野生（ABAW）競争のマルチタスク学習（MTL）チャレンジの解決策を提案します。 ABAWのタスクは、ビデオからフレームレベルの感情記述子を予測することです。感情価と

emotion

learning

arXiv reaDer

arXiv

action

multi-task
リンク
知覚的に整列した勾配は、敵対的ロバスト性を意味しますか?
arxiv_reader 2022/07/26
過去10年間で、ディープラーニングベースのネットワークは、画像分類を含む多くのタスクで前例のない成功を収めてきました。この驚くべき成果にもかかわらず、最近の研究は、そのようなネットワークが、敵対的な例

adversarial

classification

arXiv reaDer

arXiv

human
リンク
インタラクティブビジョンのデータセット-コマンドの実現可能性が不明な言語ナビゲーション
arxiv_reader 2022/07/26
エージェントが視覚環境で言語指導に従う視覚言語ナビゲーション（VLN）は、入力コマンドがその環境で完全に実行可能であるという前提の下で研究されてきました。しかし実際には、言語のあいまいさや環境の変化に

arXiv reaDer

arXiv

domain

action

dataset
リンク
KVT：ビジョントランスフォーマーをブーストするためのk-NNの注意
arxiv_reader 2022/07/26
畳み込みニューラルネットワーク（CNN）は、局所性と並進不変性をキャプチャする能力があるため、何年もの間コンピュータビジョンを支配してきました。最近、多くのビジョントランスアーキテクチャが提案されてお

bias

CNN

arXiv reaDer

occlusion

arXiv

attention

transformer

computer vision
リンク
駐車スペース分類システムの展開のためのさまざまな注釈戦略の評価
arxiv_reader 2022/07/26
視覚ベースのアプローチを使用して、占有されている駐車スペースと空いている駐車スペースを分類する場合、人間の専門家は、システムを微調整するために、場所に注釈を付け、対象の駐車場で収集された画像を含むトレ

pre-training

classification

arXiv reaDer

arXiv

human

dataset

representation
リンク
TransFGU：きめ細かい教師なしセマンティックセグメンテーションへのトップダウンアプローチ
arxiv_reader 2022/07/26
教師なしセマンティックセグメンテーションは、手動の注釈なしで低レベルの視覚的特徴に関する高レベルのセマンティック表現を取得することを目的としています。ほとんどの既存の方法は、視覚的な手がかりまたは特定

semantic segmentation

self-supervised

benchmark

unsupervised

learning

arXiv reaDer

arXiv

dataset

representation
リンク
Neural-Sim：NeRFを使用してトレーニングデータを生成する方法を学ぶ
arxiv_reader 2022/07/26
コンピュータビジョンモデルのトレーニングでは、通常、さまざまなシーン構成とプロパティのセットの下で大量の画像を収集してラベルを付ける必要があります。このプロセスは非常に時間がかかり、キャプチャされたデ

benchmark

synthesis

loss function

detection

arXiv reaDer

arXiv

domain

pose

dataset

computer vision
リンク
背景の無視と一般化の改善に向けて：費用のかからないDNN視覚的注意メカニズム
arxiv_reader 2022/07/26
この作品は、画像分類器とそれに対応するディープニューラルネットワーク（DNN）アーキテクチャ（ISNetと呼ばれる）の注意メカニズムを紹介します。トレーニング中、ISNetはセグメンテーションターゲッ

OOD

detection

classification

arXiv reaDer

arXiv

attention

segmentation

multi-task

COVID-19
リンク
https://arxiv-check-250201.firebaseapp.com/each/2207.11365v3
arxiv_reader 2022/07/26
一人称のビデオは、彼らの永続的な環境の文脈でのカメラ着用者の活動を強調しています。ただし、現在のビデオ理解は、基礎となる物理的空間から切り離され、直接見られるものだけをキャプチャする短いビデオクリップ

video

learning

classification

3D

arXiv reaDer

arXiv

pose

activity

localization

representation
リンク
画像特徴のガウス混合を使用した生成ネットワークの評価
arxiv_reader 2022/07/26
2セットの画像が与えられた場合の生成ネットワークのパフォーマンスを評価するための尺度を開発します。これを行うために現在使用されている一般的なパフォーマンス測定は、フレシェ開始距離（FID）です。 FI

arXiv reaDer

arXiv

metric

dataset

generative
リンク
ディープビジュアライゼーションによってディープニューラルネットワークがどのように忘れるかを説明する
arxiv_reader 2022/07/26
通常ブラックボックスと見なされるディープニューラルネットワークの動作を説明することは、特に人間の生活のさまざまな側面で採用されている場合は特に重要です。解釈可能な機械学習（解釈可能なML）の利点を活

arXiv

learning

human

arXiv reaDer
リンク
ディープニューラルネットワークヒートマップは、ニューロイメージング研究の大規模なメタアナリシスで報告されたアルツハイマー病のパターンをキャプチャします
arxiv_reader 2022/07/26
ディープニューラルネットワークは現在、アルツハイマー病の被験者の構造的MRIスキャンと健康な対照を区別するための最も高度で正確な機械学習モデルを提供しています。残念ながら、これらのモデルによってキャプ

SVM

CNN

learning

arXiv reaDer

arXiv

MRI
リンク
CNN対トランスフォーマーの堅牢性コンテストへの公平な取り組み
arxiv_reader 2022/07/26
コンピュータビジョンにおけるトランスフォーマーの人気の急上昇に続いて、いくつかの研究は、それらが畳み込みニューラルネットワーク（CNN）よりも分布シフトに対してよりロバストであり、より良い不確実性推定

bias

CNN

arXiv reaDer

arXiv

transformer

computer vision
リンク
複数人の3Dポーズ推定のための動的グラフ推論
arxiv_reader 2022/07/26
複数人の3Dポーズ推定は、特に群集シーンの場合、オクルージョンと深度のあいまいさのために困難な作業です。これらの問題を解決するために、ほとんどの既存の方法は、グラフニューラルネットワークで特徴表現を強

keypoint

3D

arXiv reaDer

reasoning

arXiv

occlusion

GNN

dataset

pose estimation

representation
リンク
自己中心的なビデオを理解するためのVideoSwinTransformers@Ego4Dの課題2022
arxiv_reader 2022/07/26
Point-of-No-Returnの時間的ローカリゼーションとオブジェクト状態変更分類のタスクの基本アーキテクチャとしてVideoSwinTransformerを実装しました。私たちの方法は、両方の

video

classification

arXiv reaDer

arXiv

transformer

localization
リンク
PieTrack：合成データトレーニングと自己教師ありドメイン適応に基づくMOTソリューション
arxiv_reader 2022/07/26
人間の検出によるデータのラベル付けとプライバシーの問題に対する需要の高まりに対処するために、合成データが代替として使用され、人間の検出と追跡のタスクで有望な結果を示しています。「合成データはどこまで

self-supervised

pre-training

tracking

synthesis

detection

arXiv reaDer

arXiv

domain adaptation

human
リンク
Interactron：具体化された適応オブジェクト検出
arxiv_reader 2022/07/26
何年にもわたって、物体検出の問題のために様々な方法が提案されてきた。最近、強力なディープニューラルネットワークの出現により、この領域で大きな進歩が見られました。ただし、通常、これらのアプローチに共通す

arXiv

domain

detection

arXiv reaDer
リンク
ビジョントランスフォーマーを使用した注意散漫で眠気のある運転を特定するための時空間的注意の適用
arxiv_reader 2022/07/26
気晴らしと眠気の増加の結果として、2020年と比較して2021年に自動車事故が20％増加することが観察されています。眠気と注意散漫な運転は、すべての自動車事故の45％の原因です。眠気や脇見運転を減らす

video

detection

arXiv reaDer

arXiv

attention

transformer

dataset

computer vision
リンク
列車時間モデル評価のための効率的なグラフフレンドリーなCOCOメトリック計算
arxiv_reader 2022/07/26
最新の深層学習フレームワークの静的計算グラフの一部としてCOCO平均精度（MaP）とCOCO再現率の指標を評価することは、独特の課題をもたらします。これらの課題には、平均平均精度を計算するための動的サ

benchmark

learning

arXiv reaDer

arXiv

pose

metric

approximation
リンク
MDM：複数の動的マスクを介したニューラルネットワークの視覚的説明
arxiv_reader 2022/07/26
ニューラルネットワークのクラスアクティベーションマップ（CAM）ルックアップは、決定を行うときにニューラルネットワークがどの領域に焦点を合わせているかを教えてくれます。推論プロセス。アルゴリズムは、訓

learning

saliency

reasoning

classification

transformer

arXiv

arXiv reaDer

human

convolutional
リンク
自己監視型ディープニューラルネットワークによるマルチテンポラルスペックル低減
arxiv_reader 2022/07/26
スペックルフィルタリングは、通常、合成開口レーダー（SAR）画像の分析の前提条件です。単一画像のスペックル除去の領域では、驚異的な進歩が達成されました。最新の技術は、SAR画像に特有のさまざまな構造や

domain

synthesis

arXiv

arXiv reaDer

dataset

self-supervised
リンク
深いマルチカメラ歩行者ローカリゼーションのための3Dランダムオクルージョンとマルチレイヤープロジェクション
arxiv_reader 2022/07/26
単眼歩行者検出のための深層学習ベースの方法は大きな進歩を遂げましたが、それでも重い閉塞に対して脆弱です。マルチビュー情報融合の使用は潜在的なソリューションですが、既存のマルチビューデータセットに注釈付

monocular

detection

augmentation

pedestrian

3D

arXiv

localization

CNN

arXiv reaDer

dataset
リンク
レイテンシーを意識した協調的知覚
arxiv_reader 2022/07/26
協調的知覚は、最近、単一エージェントの知覚よりも知覚能力を向上させる大きな可能性を示しています。既存の協調的知覚方法は通常、理想的なコミュニケーション環境を考慮しています。ただし、実際には、通信システ

learning

autonomous driving

arXiv

arXiv reaDer

estimation
リンク
MeshLoc：メッシュベースのビジュアルローカリゼーション
arxiv_reader 2022/07/26
視覚的な位置特定、つまりカメラの姿勢推定の問題は、自律型ロボットや拡張現実システムなどのアプリケーションの中心的なコンポーネントです。大きなシーンに拡大縮小し、複雑な照明や季節の変化を処理することが示

sparse

point cloud

augmentation

3D

pose estimation

robot

arXiv

localization

arXiv reaDer

representation
リンク
BodySLAM：共同カメラのローカリゼーション、マッピング、および人間のモーショントラッキング
arxiv_reader 2022/07/26
ビデオから人間の動きを推定することは、その多くの潜在的なアプリケーションのために活発な研究分野です。ほとんどの最先端の方法は、個々の画像の人間の形と姿勢の推定値を予測し、ビデオで利用可能な時間情報を活

monocular

arXiv

tracking

SLAM

video

pose

arXiv reaDer

trajectory

estimation

human
リンク
3D表現のための表面コードで暗黙的な潜在パーティション
arxiv_reader 2022/07/26
深い陰関数は、さまざまな3Dコンピュータービジョンタスクで優れた形状モデリング能力を示しています。欠点の1つは、3D形状を複数のパーツとして表現することが難しいことです。現在のソリューションは、さまざ

reconstruction

computer vision

mesh

representation

learning

benchmark

3D

arXiv reaDer

arXiv
リンク
SplitMixer：MLPのようなモデルからトリミングされた脂肪
arxiv_reader 2022/07/26
視覚認識のための、シンプルで軽量な等方性MLPのようなアーキテクチャであるSplitMixerを紹介します。これには、空間位置（空間ミキシング）とチャネル（チャネルミキシング）にわたって情報を混合する

augmentation

dataset

convolutional

3D

arXiv reaDer

arXiv
リンク
単一フレームの大気乱流の緩和：ベンチマーク研究と新しい物理学に着想を得た変圧器モデル
arxiv_reader 2022/07/26
乱気流によって引き起こされる歪みは、空間的に変化するブラー、幾何学的歪み、およびセンサーノイズの絡み合いであるため、大気乱気流の画像復元アルゴリズムは、ブラーやノイズなどの従来のアルゴリズムよりも設計

transformer

metric

dataset

benchmark

convolutional

arXiv reaDer

arXiv
リンク
TransGrasp：1つのラベル付きインスタンスからのみGraspを転送することによるオブジェクトのカテゴリのGraspポーズ推定
arxiv_reader 2022/07/26
把握ポーズ推定は、ロボットが実世界と相互作用するための重要な問題です。ただし、既存の方法のほとんどは、事前に利用可能な正確な3Dオブジェクトモデル、またはトレーニング用の大量の把握注釈を必要とします。

robot

pose estimation

3D

arXiv reaDer

arXiv
リンク
- 2022年7月27日
- 2022年7月26日
- 2022年7月25日

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx